CVPRJun, 2024

层次生成细胞自动机在室外场景外推中的应用

PDF
TL;DR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。
fine-grained 3d geometrylidar scansautonomous vehiclesgenerative cellular automatasimulation-ready 3d street environments
发现论文，激发创造
  • 使用生成元胞自动机学习生成 3D 形状

    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。

    Mar, 2021

  • 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

  • 一个有机体始于单个像素细胞：高分辨率图像合成的神经细胞扩散

    通过模仿生物进化的方式，本研究引入了一种名为 Generative Cellular Automata (GeCA) 的新模型系列，作为一种有效的补充工具，用于视网膜疾病分类的两种成像模式：Fundus 和光学相干断层扫描（OCT）。在 OCT 成像的背景下，GeCA 显著提升了 11 种不同眼科疾病的性能，相较于传统基线模型，平均 F1 分数提高了 12%。在相似的参数限制下，GeCA 优于融合 UNet 或基于 Transformer 的去噪模型的扩散方法。

    Jul, 2024

  • 基于层次化的元胞自动机实现视觉显著性检测

    本文提出了一种基于分层细胞自动机的图像显著性检测算法，利用深度特征和贝叶斯框架，集成不同尺度上的单层元胞自动机算法，取得了比传统方法更好的实验效果

    May, 2017

  • 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

  • GRAINS: 室内场景生成递归自编码器

    本研究通过使用基于层次结构的编码器（支持，周围和共存关系），实现了用于室内 3D 场景生成的递归神经网络，结合一种变分自编码器（VAE），用于场景对象组合和场景生成。研究表明，所提方法能够高效地生成大量和多样化的 3D 室内场景，并在与现有方法的比较中展现出优越性能。

    Jul, 2018

  • 从场景图和自注意力生成 3D 场景

    使用自我关注层和图变换器从场景图和楼层平面图中合成 3D 场景布局，生成更稀疏和多样化的场景。

    Apr, 2024

  • 高效多尺度体素雕刻的大规模场景自监督新型 2D 视角合成

    提出了一种基于多尺度体素雕刻和自学习的算法来生成实景的新视角，在无人机等大规模真实环境下表现出色。

    Jun, 2023

  • 通过神经元细胞自动机实现任意可伸缩的环境生成器

    通过使用 QD 算法优化神经元细胞自动机（NCA）环境生成器，我们展示 NCA 环境生成器在两个不同领域的多机器人系统中的可扩展性以及将单代理强化学习策略扩展到任意大的环境。

    Oct, 2023

  • GAIA-1: 自动驾驶的生成式世界模型

    GAIA-1 ('Generative AI for Autonomy') 是一个生成性世界模型，利用视频、文本和动作输入生成逼真的驾驶场景，同时提供对自我车辆行为和场景特征的细粒度控制，通过将输入映射为离散标记并预测序列中的下一个标记来解决了在自动驾驶过程中有效预测可能出现的各种结果的挑战。该模型通过捕捉未来事件的预期和生成逼真样本的能力，提供了在自动驾驶技术领域创新的新可能性，实现了自动驾驶技术的增强和加速训练。

    Sep, 2023