論文の概要: Texture Regenerating and Grafting Using Genome-Driven Neural Cellular Automata
- arxiv url: http://arxiv.org/abs/2605.13630v1
- Date: Wed, 13 May 2026 14:57:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-14 23:30:28.119491
- Title: Texture Regenerating and Grafting Using Genome-Driven Neural Cellular Automata
- Title（参考訳）: ゲノム駆動型ニューラルセルオートマタを用いたテクスチャー再生とグラフト
- Authors: Mirela-Magdalena Catrina, Ioana Cristina Plajer, Alexandra Băicoianu,
- Abstract要約: 損傷領域におけるテクスチャの堅牢な自己再生を可能にする新しいトレーニング手法を提案する。
動的かつ適応的なシステムに不可欠なこの固有のヒーリング機構は、従来のコンピュータグラフィックスアプリケーションを超えて拡張されている。
異なるテクスチャのシームレスな組み合わせを可能にする多目的グラフト技術を提案する。
- 参考スコア（独自算出の注目度）: 42.17343824099138
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study significantly advances multi-texture synthesis using Neural Cellular Automata (NCAs) by introducing a novel training methodology that enables robust self-regeneration of textures in damaged regions. This inherent healing mechanism, essential for dynamic and adaptive systems, extends beyond traditional computer graphics applications, highlighting the fundamental self-organizing properties of NCAs. Furthermore, we present a versatile grafting technique, enabling the seamless combination of distinct textures. This is achieved efficiently during the inference phase, without requiring specialized retraining, through precise initialization of the NCA's genome channels. Our findings demonstrate the generation of high-quality, complex textures with fluid transitions, showcasing a powerful and efficient paradigm for dynamic texture composition and self-repair in autonomous systems.
- Abstract（参考訳）: 本研究では,損傷領域におけるテクスチャの堅牢な自己再生を可能にする新しいトレーニング手法を導入することにより,ニューラルセルオートマタ(NCA)を用いたマルチテクスチャ合成を著しく向上させる。
この本質的なヒーリング機構は、動的で適応的なシステムに必須であり、従来のコンピュータグラフィックスアプリケーションを超えて、NAAの基本的な自己組織化特性を強調している。
さらに,異なるテクスチャのシームレスな組み合わせを可能にする多目的グラフト技術を提案する。
これは、NAAのゲノムチャネルの正確な初期化を通じて、特別な再訓練を必要とせず、推論段階で効率的に達成される。
本研究は, 流体遷移を伴う高品質で複雑なテクスチャの生成を実証し, 自律システムにおける動的テクスチャ構成と自己修復のための, 強力かつ効率的なパラダイムを示すものである。
関連論文リスト
- StdGEN++: A Comprehensive System for Semantic-Decomposed 3D Character Generation [57.06461272772509]
StdGEN++は、多種多様な入力から高忠実で意味的に分解された3D文字を生成するための、新しく包括的なシステムである。
最先端の性能を達成し、幾何学的精度と意味的絡み合いにおいて既存の手法を著しく上回っている。
結果として、非破壊的な編集、物理学に準拠したアニメーション、視線追跡など、より進んだ下流の機能をアンロックする。
論文 参考訳（メタデータ） (2026-01-12T15:41:27Z) - Neural Cellular Automata: From Cells to Pixels [66.28419836820035]
バイオインスパイアされたニューラルセルラーオートマタ(NCAs)は、同じ細胞が自己組織され、単純な局所規則を適用することで複雑でコヒーレントなパターンを形成する生体インスパイアされたシステムである。
NCAは、自己再生、一般化、見えない状況に対する堅牢性、自発的な動きなど、突発的な行動を示す。
暗黙のデコーダを備えたNAAは,自己組織的,創発的特性を保ちながら,リアルタイムにフルHD出力を生成可能であることを示す。
論文 参考訳（メタデータ） (2025-06-28T14:30:21Z) - Texture Image Synthesis Using Spatial GAN Based on Vision Transformers [1.6482333106552793]
本研究では,視覚変換器(ViT)と空間生成支援ネットワーク(SGAN)を融合した新しいハイブリッドモデルViT-SGANを提案する。
平均分散(mu, sigma)やテクソンなどの特殊テクスチャ記述子をViTの自己保持機構に組み込むことで, 優れたテクスチャ合成を実現する。
論文 参考訳（メタデータ） (2025-02-03T21:39:30Z) - Multi-Texture Synthesis through Signal Responsive Neural Cellular Automata [44.99833362998488]
我々は、個々の例に基づいて、複数のテクスチャの進化のために単一のNAAを訓練する。
我々のソリューションは、内部コード化されたゲノム信号の形で、各セルの状態をテクスチャ情報として提供し、NAAが期待するテクスチャを生成することを可能にする。
論文 参考訳（メタデータ） (2024-07-08T14:36:20Z) - Latent Neural Cellular Automata for Resource-Efficient Image Restoration [4.470499157873342]
ニューラルセルオートマトン(LNCA)モデルを導入する。これはニューラルセルオートマトン(英語版)の資源制限に対処するために設計された新しいアーキテクチャである。
提案手法は,事前学習したオートエンコーダに頼って,従来の入力空間から特別に設計された潜在空間へ計算をシフトする。
この修正は、モデルのリソース消費を減らすだけでなく、様々なアプリケーションに適した柔軟なフレームワークも維持する。
論文 参考訳（メタデータ） (2024-03-22T14:15:28Z) - Texture Generation with Neural Cellular Automata [64.70093734012121]
一つのテンプレート画像からテクスチャジェネレータを学習する。
NCAモデルで示される振る舞いは、テクスチャを生成するための学習された分散されたローカルアルゴリズムであると主張します。
論文 参考訳（メタデータ） (2021-05-15T22:05:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。