使用交互演化算法的着色器过程生成工具
提出了一种高效的基于生成着色器的方法,该方法适用于资源受限的情况下,应用于实时的机器学习技术,不需要手动调整,可以在目标设备上进行高度有效的执行,并提供具有与许多基于神经网络的方法相竞争的质量的超越实时的结果。
May, 2023
工程设计优化需要高效结合三维形状表示、优化算法和设计性能评估方法,我们提出了一种在车辆设计场景中利用视觉语言模型来惩罚生成模型合成的不切实际汽车设计的快速演化设计优化 (PEDO) 框架。
Jun, 2024
SCAPE 是一种将进化算法与生成性人工智能相结合的工具,通过简单的点选界面,使用户能够探索源于其初始输入的创意和高质量设计。与 DALL-E 3 相比,SCAPE 能够在图像的新颖性上提升 67%,并在质量和使用效果上得到改进;我们展示了 SCAPE 仅经过 3 次迭代,图像的新颖性提高了 24%,能够通过用户进行有效的探索,并优化图像。超过 20 位独立的建筑师对 SCAPE 进行评估,并提供了显著正面的反馈。
Jan, 2024
本篇论文提出一种基于演化有向无环图的算法框架,自动生成高效的深度神经网络并优化其相关超参数,与已有文献中的搜索空间相比更具灵活性,能优化网络的结构和超参数,已经在时间序列预测基准测试中得到了实验结果的验证。
Feb, 2023
我们提出一种基于神经网络的图演化算法,在解决自动机器人设计中的组合问题和评估困难问题方面具有优越性能。与以往方法不同,我们使用图神经网络对控制策略进行参数化,同时运用包含模型不确定性的图突变技术,在探索与开发之间达到平衡,从而在单一机器上一天之内高效地解决搜索问题。
Jun, 2019
通过遗传编程框架,结合人类控制器的输入数据,创造出有意义的人工玩家,解决现有游戏人物设计中手动编写脚本和规则的瓶颈问题,并提供洞察玩家在游戏中的表现以及相应的模型。
Mar, 2018
本论文介绍了一种基于语法引导遗传编程的进化程序综合技术,用于发现具有高效性和泛化能力的具有前所未有结构的多重网格方法,从而解决部分微分方程的数值求解问题。该方法的可行性通过 Python 框架 EvoStencils 的实现得到证明。
Dec, 2023
通过先进的可微分渲染模型,我们提出了一种能够动态演化和适应的渲染模型方法,其中包括规范变换、射线采样机制和基元组织等三个主要渲染要素的优化;通过渲染要素的可微分版本实现有效的梯度反向传播,稳定且目标导向地进行要素的演化;实验证明,这种演化渲染模型在静态和动态场景表示、生成建模和纹理映射等各个领域都有很大的提升渲染性能的潜力。
May, 2024
本论文提出了一种新颖的构建图的生成模型的方法,该方法使用了进化搜索和图神经网络实现了强大的适应度函数,从而在一定程度上实现了深度生成模型所不具备的优点,如更高的泛化能力和直接的可解释性。
Apr, 2023