[CV]《Neural Cellular Automata: From Cells to Pixels》E Pajouheshgar, Y Xu, A Abbasi, A Mordvintsev... [EPFL & Sharif University of Technology] (2025)
神经细胞自动机（NCA）突破低分辨率限制，实现高效高质自组织图像与纹理生成
• 传统NCA受限于训练时间和内存开销，通常只能处理128×128以下的低分辨率网格，且信息传播局限于局部，难以实现远距离细胞通信与高分辨率输出。
• 本文创新提出结合轻量隐式神经解码器（Local Pattern Producing Network，LPPN），NCA在粗网格上演化细胞状态后，LPPN基于局部平均细胞状态和连续局部坐标，实时渲染任意分辨率图像，实现从粗糙细胞格局向高清细节的无缝过渡。
• 设计专门面向形态发生和纹理合成的损失函数，极大提升高分辨率输出的质量，同时保持内存与计算效率，推理阶段高度并行且适合边缘设备部署。
• 方法适配多种NCA架构与空间域，包括2D、3D体素网格及3D网格纹理生成，保持NCA的自愈、鲁棒和泛化特性，支持从单一种子生长复杂形状或图像。
• 通过局部坐标变换（如三角形网格的重排序和逆CDF映射），解决坐标不连续与动态范围不均问题，确保解码器输入的连续性与均匀性，提升模型稳定性和表现。
• LPPN仅在损失计算时调用，训练时大幅减轻资源消耗，支持实时生成全高清（Full-HD）甚至更高分辨率输出，推动NCA实用化与交互式应用场景。
心得：
1. 结合隐式神经表示解耦细胞演化网格与输出分辨率，打破NCA传统的分辨率瓶颈，实现高细节渲染不牺牲自组织特性。
2. 设计针对性损失函数并利用局部坐标编码技巧，既保证了训练的高效性，也提升了模型对高频细节的捕捉能力。
3. 保持NCA模型轻量且高度并行，适合部署在资源受限设备上，拓展了自组织系统在纹理合成、形态发生和三维重建等领域的应用边界。
详见🔗arxiv.org/abs/2506.22899
神经细胞自动机隐式神经表示纹理合成形态发生计算机视觉高分辨率生成
