Show HN: High-Res Neural Cellular Automata

摘要

Neural Cellular Automata（NCA）是一类通过局部学习更新规则迭代演化的自组织生成模型，但传统方法受限于分辨率，原因包括随网格变大带来的训练与显存开销、信息传播局限以及高分辨率推理计算成本。该工作通过将运行在粗网格上的 NCA 与轻量级隐式解码器结合，让解码器根据细胞状态与局部坐标直接生成外观，从而实现任意分辨率渲染。同时，由于 NCA 更新与解码过程均为局部操作，推理仍保持高度并行化。作者还为形态生成与纹理合成设计了任务特定损失，以在较低额外开销下监督高分辨率输出。实验显示该混合模型可在 2D、3D 及 mesh 场景中生成实时高分辨率结果，并保留 NCA 的自组织特性。