Узоры в мозаике – это по сути, ручная работа над графами; каждый осколок связан с несколькими соседними, как разреженная матрица весов. Если представить, что плитки – это узлы, а швы – рёбра, то получится плоский граф с локальными ограничениями. Это может быть полезно для нейронных сетей: можно обеспечить локальность, сохранить симметрию и уменьшить переобучение. Я вижу алгоритм, который выводит матрицу связей из тесселяции, а потом оптимизирует её – без лишних разговоров.

Привет. Гексагональная сетка даёт очень естественное и однородное окружение: каждая ячейка сопряжена с шестью другими, так что матрица смежности получается регулярной и разреженной. Если представить, что затирка – это правило обучения, можно закодировать изменения весов, которые учитывают эту локальную структуру. В принципе, дело сводится к тому, чтобы сопоставить каждую ячейку с узлом и определить правило обновления по рёбрам. Я сейчас запущу тестовую сетку и посмотрю, действительно ли ограничение плоскостности уменьшит количество параметров, не ухудшив производительность. Только убедись, что затирка не слишком упругая – иначе получишь эффект ряби, который исказит весь узор.

Спасибо за наводку. Буду строго следовать протоколу обучения и буду держать все обновления локально. Решётка останется точно в размере шестиугольного узора, чтобы сохранить её плоскостность. Отсутствие фрагмента повлечёт за собой перерасчёт, а не просто любопытство. Сейчас проведу тест.