神经细胞自动机的应用：现状、挑战与机遇
Applications of Neural Cellular Automata: State of the Art, Challenges and Opportunities
- Technical University of Darmstadt（达姆施塔特工业大学）
- ImFusion GmbH（ImFusion 公司）
- Inria Center at University Côte d’Azur（蔚蓝海岸大学Inria中心）
- Zuse Institute Berlin（柏林祖斯研究所）
- Helmholtz Munich（亥姆霍兹慕尼黑中心）
- Technical University of Munich（慕尼黑工业大学）
- EPFL（洛桑联邦理工学院）
- Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
- Fraunhofer IGD（弗劳恩霍夫计算机图形学研究所）
- Universitat de Barcelona（巴塞罗那大学）
- Ludwig Maximilian University Munich（慕尼黑路德维希-马克西米利安大学）
- Ludwig Maximilian University Hospital（慕尼黑路德维希-马克西米利安大学医院）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
本文综述神经细胞自动机（NCAs）在极小模型下实现稳健推理的优势，分析其架构改进及医学影像等应用，并指出研究空白与未来机遇。
AI中文摘要：
神经细胞自动机（NCAs）是一种新型的神经网络架构，能够在极小的模型规模下实现准确且稳健的推理。近年来，NCAs已发展成为卷积和注意力架构的有趣的低资源替代方案，适用于图像分析、合成图像生成和模拟等多种任务。快速的发展和日益增长的研究兴趣促使对这一新兴技术进行全面综述。本综述概述了NCAs的基础知识、在医学影像中的应用以及对最新技术的见解。我们分析了最初提出的NCA架构在效率和准确性方面的近期修改。此外，我们回顾了在真实世界场景中的实际应用，重点关注医学图像分析、分割、分类、配准、深度估计和图像合成。最后，我们指出了NCAs的几个优势和研究空白，并总结了对NCAs在受限环境或对稳健性或高效数据处理有特殊需求的领域中未来应用机会的分析。
英文摘要：
Neural Cellular Automata (NCAs) are a new type of neural network architecture which enable accurate and robust inference at extremely small model sizes. Recently, NCAs have advanced to become interesting low-resource alternatives to convolution- and attention-based architectures for various tasks such as image analysis, synthetic image generation, and simulation. The rapid development and increased research interest necessitate a comprehensive review of the emerging technology. This review provides an overview of the fundamentals of NCAs, applications to medical imaging, as well as insights into the state of the art. We analyze recent modifications to the originally proposed NCA architecture with respect to their efficiency and accuracy. Furthermore, we review practical applications in real-world scenarios with a focus on medical image analysis, segmentation, classification, registration, depth estimation, and image synthesis. Finally, we identify several advantages of NCAs, research gaps, and conclude with an analysis of future opportunities for NCAs in medical applications in confined settings or areas that have particular demands for robustness or efficient data processing.
