High-Res Neural Cellular Automata: 셀에서 픽셀까지
Show HN: High-Res Neural Cellular Automata
TL;DR Highlight
저해상도 NCA에 작은 디코더를 붙여 해상도 제한 없이 실시간 렌더링
Who Should Read
생성형 그래픽이나 텍스처 합성에 관심 있는 웹·그래픽스 개발자
Core Mechanics
- NCA는 해상도가 발목이었다
- NCA(Neural Cellular Automata)는 같은 셀들이 학습된 지역 규칙을 반복 적용해 패턴을 만들어 내는 모델이다.
- 지금까지는 저해상도 출력에 머물러 있었다.
- 해상도 한계의 원인은 세 가지
- 학습 시간과 메모리가 그리드 크기에 따라 제곱으로 늘어난다.
- 정보가 이웃으로만 전달돼 멀리 있는 셀끼리 소통하기 어렵다.
- 고해상도 실시간 추론은 연산 부담이 크다.
- 거친 격자 NCA에 작은 디코더를 붙였다
- NCA는 거친 격자 위에서만 돌린다.
- 경량 암시적 디코더(LPPN)가 셀 상태와 로컬 좌표를 받아 색, 표면 법선 같은 속성을 낸다.
- 같은 모델로 임의 해상도 출력
- 디코더도 NCA 업데이트도 지역 연산이라 병렬화가 잘 된다.
- 2D, 3D 격자, 메시에서 고해상도 출력을 실시간으로 만들었다고 한다.
- NCA와 LPPN을 함께 학습한다
- 삼각형 안의 한 점은 꼭짓점 셀 상태를 보간한 값과 로컬 좌표로 표현된다.
- 이 둘을 LPPN(공유 MLP)에 넣고 end-to-end로 같이 학습한다.
- 고해상도용 손실 함수를 따로 만들었다
- 성장(씨앗에서 자라기)과 텍스처 합성 각각에 맞는 손실을 쓴다.
- 추가 메모리와 연산은 최소라고 한다.
- 재생, 강건성 같은 NCA 특유의 자기조직화 성질도 유지된다고 한다.
Community Reactions
- 브러시로 너무 덮으면 이미지가 망가진다는 경험
- 안정화된 이미지 위에 가로로 5번만 문질러도 고양이가 무너졌다는 댓글이 있었다.
- 이게 정상 동작인지 묻는 질문이었다.
- 단순 텍스처 샘플링과 뭐가 다르냐는 의견
- 좌표 조회 없이 규칙만 쓰지만 결국 이미지 정보를 외워 비슷한 일을 하는 것 아니냐는 의견이었다.
- 입문엔 distill 글이 낫다는 추천
- 기초를 이해하려면 이전 연구인 distill.pub의 growing-ca 글이 잘 쓰여 있다는 댓글이 있었다.
- WebGPU 구현 공유
- 원조 growing neural CA를 WebGPU로 구현한 저장소를 만들었다는 댓글이 있었다.
- 데모 사용성 아쉬움
- Growing Demo에서 Target Image를 바꾸면 캔버스가 초기화돼 이미지를 겹쳐 붙일 수 없었다는 의견이 있었다.
How to Apply
- 공개 데모를 직접 만져 보기
- 오늘 cells2pixels.github.io에서 Growing 데모를 열어 브러시로 이미지를 지워 보자.
- 지운 부분이 다시 자라는지 확인해 재생 성질을 체감하자.
- LPPN Scale로 해상도 바꿔 보기
- 데모에서 LPPN Scale을 x4 등으로 바꿔 같은 셀 상태가 어떻게 렌더링되는지 비교하자.
- 해상도를 올려도 실시간으로 도는지 확인하자.
- 거친 상태+디코더 구조를 설계에 옮기기
- 비싼 고해상도 연산이 병목인 생성 파이프라인이 있다면 저해상도 상태와 경량 디코더로 나누는 구조를 스케치하자.
- 원문은 그래픽스 사례만 다루므로 작은 프로토타입으로 먼저 검증하자.
Terminology
관련 논문
Mistral Large 4 가중치 공개: 코딩·사이버보안 특화 1T 모델
Mistral이 1조 파라미터 Large 4 가중치를 공개해 오픈 코딩 벤치 선두를 주장했다
Gemini 4 Carbon, Artificial Analysis Intelligence Index v5 1위
Gemini 4 Carbon이 Index v5 59점으로 1위, 코딩 에이전트는 2위
Gemini 4 Carbon 발표: 사이버보안·장시간 에이전트 작업 특화 모델
Google이 Gemini 4 Carbon을 공개했지만 아직 일부 보안 파트너에게만 열렸다
Dayjob: Tax – 전문 세무 업무 50건으로 AI 에이전트 평가
세무 실무 50건을 맡겼더니 최고 모델도 통과율 10.8%에 그쳤다
Anthropic S-1: 상장 신청서 표지와 지배구조
Anthropic이 Nasdaq 'ANT' 상장을 위해 S-1을 제출했다
10년 된 CNN이 최신 LLM보다 피부암 진단을 더 잘했다
파인튜닝한 Inception v3가 피부 병변 200건에서 GPT-6 Astra·Claude Fable 5.1을 앞섰다
구조화 출력은 왜 실패하나: 9개 LLM에서 본 Pydantic 스키마 실패 유형 분석
실패율 하나로는 원인을 몰라, 실패를 유형별로 쪼갰더니 마크다운 펜스가 최다 원인이었다
미국 미디어·영화·예술 일자리 20만 개 감소, AI 탓은 얼마나 될까
미국 창작 산업 일자리가 4년간 20만 개 넘게 줄었지만 AI 책임 비중은 입증하기 어렵다