Multi-Texture Synthesis through Signal Responsive Neural Cellular Automata

要約

ニューラル セルラー オートマトン (NCA) は、生物学にヒントを得た数多くのアプリケーションにより、さまざまな分野で効果的であることが証明されています。
NCA が優れたパフォーマンスを発揮する分野の 1 つは、均一で一貫したルールによって管理されるローカルな相互作用からグローバル パターンをモデル化するテクスチャの生成です。
この論文は、個々のテクスチャごとに個別にトレーニングされた NCA を必要とする、テクスチャ生成のための現在の NCA アーキテクチャの欠点に対処することで、テクスチャ合成における NCA の使いやすさを向上させることを目的としています。
この作業では、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 NCA をトレーニングします。
私たちのソリューションは、各セルの状態のテクスチャ情報を内部コード化されたゲノム信号の形式で提供し、NCA が期待されるテクスチャを生成できるようにします。
このような神経セルラーオートマトンは、再生能力を維持するだけでなく、学習したテクスチャ間の補間を可能にし、グラフティング技術をサポートします。
これは、生成されたテクスチャを編集する機能と、それらが同じオートマトン内でマージおよび共存できる可能性を示しています。
また、NCA の進化に対するゲノム情報とコスト関数の影響に関連する疑問にも取り組みます。

要約(オリジナル)

Neural Cellular Automata (NCA) have proven to be effective in a variety of fields, with numerous biologically inspired applications. One of the fields, in which NCAs perform well is the generation of textures, modelling global patterns from local interactions governed by uniform and coherent rules. This paper aims to enhance the usability of NCAs in texture synthesis by addressing a shortcoming of current NCA architectures for texture generation, which requires separately trained NCA for each individual texture. In this work, we train a single NCA for the evolution of multiple textures, based on individual examples. Our solution provides texture information in the state of each cell, in the form of an internally coded genomic signal, which enables the NCA to generate the expected texture. Such a neural cellular automaton not only maintains its regenerative capability but also allows for interpolation between learned textures and supports grafting techniques. This demonstrates the ability to edit generated textures and the potential for them to merge and coexist within the same automaton. We also address questions related to the influence of the genomic information and the cost function on the evolution of the NCA.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google