ICLRMar, 2021

使用生成元胞自动机学习生成 3D 形状

PDF
TL;DR提出一种名为生成元胞自动机的概率三维生成模型，其能够产生多样化和高质量的形状，利用细胞自动机的局部更新规则有效减少了搜索空间，在稀疏卷积网络的支持下进行渐进生成，通过抽样与训练轮廓数据的匹配学习得到了本地均匀规则，并在概率形状补全和形状生成的实验中取得了竞争性的性能。
3d generative modelcellular automataprobabilistic modelingshape generationsparse convolutional network
发现论文，激发创造
  • 层次生成细胞自动机在室外场景外推中的应用

    我们通过使用层级生成元胞自动机 (hGCA) 模型，从大规模稀疏的自动驾驶车辆 (AV) 捕捉到的 LiDAR 扫描数据中生成精细的三维几何结构，为模拟真实、高分辨率的街景环境迈出了一步。

    Jun, 2024

  • 概率隐式场景补全

    该研究提出了一种面向大规模 3D 场景连续几何的概率形状完成方法，该方法利用生成细胞自动机学习多模态分布，通过稀疏体素嵌入渐进式生成连续形状，其训练目标最大化完整形状分布的变分下限，并通过实验证明了相比于确定性模型，该方法在几何完成方面的表现更佳。

    Apr, 2022

  • 使用 2D 细胞自动机生成 3D 地形

    该研究论文通过对多个细胞自动机转换规则的实验，初步探索了使用二维细胞自动机通过简单而有效的叠加方法生成三维地形，并展示了其在实时游戏地形生成方面的潜在适用性。

    Jun, 2024

  • 智慧生命的游戏

    这篇论文介绍了神经元细胞自动机的概念，并探讨了其与卷积神经网络相结合在预测机器方面的应用，以及通过计算每个单元的适应性分数和随机性移动来优化神经元自动机。

    Jan, 2023

  • 神经元细胞自动机纹理生成

    本文利用神经元细胞自动机（NCA）算法实现了基于单个模板图像的纹理生成器，其中神经元细胞自动机算法提供了一种学习分布式本地算法生成纹理的范例，并具有高保真度和鲁棒性。

    May, 2021

  • 细胞自动机作为卷积神经网络

    本文探讨了如何使用卷积神经网络及多层感知器等深度学习技术识别复杂动力系统中的规律，着重研究了各类元胞自动机以及其内部规则和神经网络的内部表示方法。

    Sep, 2018

  • 用神经元细胞自动机学习时空模式

    神经元元胞自动机（NCA）结合了机器学习和机械建模的强大能力。我们通过对图像时间序列和 PDE 轨迹进行训练，使 NCA 学习复杂动态。我们的方法旨在识别支配大规模动态出现行为的潜在局部规则。我们将 NCA 扩展到在同一系统中捕捉瞬态和稳定结构，以及学习捕捉非线性偏微分方程（PDE）中图灵模式形成的规则。我们展示了 NCA 在 PDE 训练数据之外的广泛推广能力，演示了如何限制 NCA 以尊重给定的对称性，并探索了相关超参数对模型性能和稳定性的影响。能够学习任意动态使得 NCA 成为一种具有很大潜力的数据驱动的建模框架，尤其适用于生物模式形成建模。

    Oct, 2023

  • 基于张量网络的概率元胞自动机动力学学习

    利用矩阵乘积算子算法学习概率序列 - 序列过程，并将该算法应用于概率元胞自动机，可以准确学习不同条件下的概率元胞自动机过程，即使该过程是不同混沌规则的概率混合。

    Apr, 2024

  • 基于网格的隐式函数的 3D 形状生成

    该研究提出了一种使用网格训练 GAN 的方法来生成三维形状，这种训练方法允许更多的表现力和空间控制，并提出了一种基于统计分析的鲁棒性评估标准。

    Jul, 2021

  • 二维形状分类的物理神经元元胞自动机

    本文利用深度学习和神经元元胞自动机，提出了一种可在硬件上成功应用的模块化 2D 机器人系统，该系统可以通过其组件的本地通信推断其自身的形状类别，实现了自分类的能力。

    Mar, 2022