$\mu$NCA:基于超紧凑神经胞机自动机的纹理生成
机器学习
2021-11-29 v1 人工智能
计算机视觉与模式识别
图形学
摘要
我们研究了使用高度紧凑模型进行基于样本的程式化纹理合成问题。给定一张样本图像,我们利用可微编程训练一个由循环神经胞机自动机(NCA)规则参数化的生成过程。与神经网络应显著过参数化的普遍看法相反,我们证明了我们的模型架构与训练流程能够仅用几百个学习到的参数来表示复杂纹理图案,使其表达能力可与手工设计的程式化纹理生成程序相媲美。所提出的 NCA 系列中最小的模型可缩减至 68 个参数。当使用每参数一个字节的量化时,所提模型可被压缩至 588 到 68 字节的大小范围。使用这些参数生成图像的纹理生成器实现仅需几行 GLSL 或 C 代码即可完成。
引用
@article{arxiv.2111.13545,
title = {$\mu$NCA: Texture Generation with Ultra-Compact Neural Cellular Automata},
author = {Alexander Mordvintsev and Eyvind Niklasson},
journal= {arXiv preprint arXiv:2111.13545},
year = {2021}
}