面向资源高效图像修复的潜在神经细胞自动机
图像与视频处理
2024-03-26 v1 机器学习
神经与进化计算
摘要
神经细胞自动机是传统细胞自动机模型的演变形式，通过集成深度学习基于数据的方法的过渡函数来实现。这一从手动向数据驱动方法的转变显著增加了这些模型的适应性，使其能够应用于诸多领域，包括内容生成和人工生命。在实际应用中，神经细胞自动机的广泛应用受到计算资源要求高的限制。本文引入潜在神经细胞自动机（LNCA）模型，一种新型架构旨�解决神经细胞自动机的资源限制。我们的方法将计算从常规的输入空间转移到专门设计的潜在空间，依赖于预训练的自编码器。我们将该模型应用于图像修复领域，该领域旨�从退化版本中重建高质量图像。这种修改不仅降低了模型的资源消耗，还保持了适用于各种应用的灵活框架。我们的模型在保持高重建保真度的同时，显著降低了计算需求。这一效率提升使输入尺寸可达当前最先进神经细胞自动机模型的 16 倍，使用相同的资源。
引用
@article{arxiv.2403.15525,
title = {Latent Neural Cellular Automata for Resource-Efficient Image Restoration},
author = {Andrea Menta and Alberto Archetti and Matteo Matteucci},
journal= {arXiv preprint arXiv:2403.15525},
year = {2024}
}