当我们谈论程序化生成时，往往会陷入两种极端：要么依赖手工设计的规则系统，要么使用需要大量数据训练的概率模型。WaveFunctionCollapse（WFC）走了一条截然不同的道路 —— 它只需要一张示例图像，就能学习并生成具有相似局部特征的全新图像。这种「单示例学习」（One-Shot Learning）的能力，使得 WFC 成为游戏开发、像素艺术和纹理合成领域的热门选择。本文聚焦 WFC 核心的 one-shot 生成机制，深入分析其如何从单一示例中提取知识，以及工程实践中必须考虑的质量与多样性权衡。
从一张图到一个世界：One-Shot 学习的基本原理
WFC 的核心思想可以概括为「局部相似性」—— 输出图像应当只包含输入图像中曾经出现过的局部模式。形式化地说，输出需要满足两个条件：其一，输出中出现的每个 N×N 像素块必须存在于输入中（C1 条件）；其二，这些模式在输出中的分布应与在输入中的分布相近（C2 条件）。这两个条件共同保证了生成结果的「地道性」—— 它们不是随机的拼凑，而是对原始示例的某种延伸。
理解 WFC 的 one-shot 能力，关键在于模式提取过程。给定一张输入图像，算法会用一个 N×N 的滑动窗口遍历图像的每一个位置，将每个窗口内的像素模式记录下来。如果使用 N=3 的窗口，一张 100×100 的输入图像会产生大约 10000 个 3×3 的像素块。这些块经过去重后，形成算法的「知识库」。值得注意的是，同一个模式可能在输入中出现多次，算法会记录其出现频率，这个频率直接决定了该模式在后续生成过程中的被选择概率。输入越复杂、变化越丰富，知识库就越庞大，后续生成的多样性就越高；反之，如果输入高度重复或单调，知识库就会萎缩，生成结果也会显得千篇一律。
这正是 WFC 与传统机器学习方法的核心区别：它不需要通过大量样本进行参数优化，也不存在「训练」和「推理」的区分。知识获取与生成采样是同一个过程的两个阶段，输入即模型。这使得 WFC 极其适合那些样本稀缺但对局部结构有明确要求的场景 —— 例如根据一张截图生成完整的游戏关卡地图，或基于一小块纹理样例创建无缝平铺的材质。
模式提取与波函数坍缩：算法内核详解
WFC 的运行机制常被描述为「观察 - 传播」的循环迭代，理解这一过程是掌握 one-shot 生成的关键。整个输出网格被初始化为一个「波函数」状态 —— 每个像素位置并不持有单一的颜色值，而是处于所有可能模式的重叠态。系数为真表示该模式尚未被排除，为假表示该模式与已有约束冲突。这种叠加态正是算法名称中「Wave Function」的来源，虽然它使用实数系数而非量子力学的复数，但确实借鉴了量子力学的直观图景。
每一次迭代从「观察」阶段开始：算法遍历所有处于叠加态的像素，计算每个位置的香农熵 —— 即该位置所有可能模式的概率分布所对应的信息量。熵越低，意味着该位置被约束得越严重，可选范围越小。WFC 总是选择熵最低的位置进行「坍缩」—— 根据各模式在输入中的出现频率作为权重，随机选取一个具体模式赋予该位置。最小熵启发式的选择并非随意：它模拟了人类作画的直觉，总是先确定那些「非如此不可」的区域，再向外扩展。
坍缩发生后，算法进入「传播」阶段。新确定的模式会对其周围像素产生约束 —— 因为相邻像素的局部模式必须与已确定区域兼容。例如，如果某个位置被确定为某个 3×3 模式的一部分，那么与之相邻的像素位置上，哪些模式可以出现就受到了限制。这种约束通过 AC-4 算法实现，它快速地排除所有与当前确定状态冲突的可能模式，将冲突系数设为假。传播可能引发连锁反应：一个位置的坍缩可能排除另一个位置的全部可能，导致该位置也变为确定态。这个过程会持续进行，直到没有新的信息可以传播为止。
整个「观察 - 传播」循环会不断重复，直到所有像素都被确定（成功），或者某个像素的所有系数都变为零（矛盾）。矛盾意味着输入示例过于局限，无法生成足够大的输出 —— 这是一个重要的工程信号，需要调整 N 值、对称增强或输入样本。
N 值选择：学习效率与生成质量的关键杠杆
在 one-shot 生成中，窗口大小 N 是影响结果最直接的参数。N 决定了算法从输入中提取的「词汇」粒度，也直接决定了模式库的大小和生成结果的多样性。
较小的 N（如 N=2）会产生较小的模式库，计算速度快，但生成结果往往过于接近输入的简单复制。想象用 2×2 的窗口提取模式 —— 可能的状态数量非常有限，算法只能在极小的选项中做选择，生成的多样性受到严重制约。随着 N 增大，模式库的规模呈指数增长：N=3 时，一个包含 256 种颜色的图像可能产生数十万种独特的 3×3 模式。这种丰富的「词汇量」使得生成结果更加多样化，也更能捕捉输入中的复杂结构。然而，过大的 N 也会带来问题：模式库过于庞大时，找到一组相互兼容的模式会变得困难，导致矛盾率急剧上升，生成失败的可能性大大增加。
工程实践中的典型做法是从 N=2 或 N=3 开始尝试，根据结果的反差程度和矛盾率逐步调整。对于结构简单、规律性强的输入（如砖墙、瓷砖），较小的 N 就能产生良好效果；对于需要保留长程相关性的场景（如完整的地牢地图、连贯的故事线索），可能需要 N=4 或更大，但这通常需要配合更多的人工干预或约束放松。
对称增强：打破单调的工程技巧
单示例学习的内在风险是生成结果的单调性 —— 当输入示例的某些模式出现频率远高于其他模式时，算法会不断重复这些「主流」模式，导致输出缺乏变化。为了缓解这个问题，WFC 引入了一个优雅的工程技巧：对称增强（Symmetry Augmentation）。
在提取 N×N 模式后，算法可以自动生成该模式的所有旋转（0°、90°、180°、270°）和镜像变体，并将这些变体都加入模式库。例如，一个不对称的 L 形模式在对称增强后会获得八个「分身」，每个分身都被视为独立的合法选项。这种增强的效果是显著的：它人为地扩大了模式库的多样性，使得算法在坍缩时有更多选择空间，同时不会改变生成结果在视觉上的「合法性」—— 因为旋转或镜像后的模式仍然满足「局部相似于输入」的要求。
然而，对称增强是一把双刃剑。它增加模式库的规模，这直接导致计算成本的上升。更重要的是，当输入示例本身具有某种对称性时，不加区分的对称增强可能会引入过多的冗余模式，反而降低生成效率。工程实践中，通常会根据输入的对称特性选择性地启用对称增强：对于本身不对称的示例，全面对称增强可以显著提升多样性；对于已经有明显对称结构的示例，可能只需要部分对称增强或完全禁用。
熵选择与传播策略：生成路径的隐形控制
除了 N 值和对称增强，WFC 的运行还受到两个隐性参数的影响：熵的选择策略和传播算法的实现细节。这两者共同决定了算法在解空间中的行走路径，也影响了最终生成结果的全局特性。
最小熵启发式是 WFC 的默认选择策略，它倾向于优先确定那些约束最严格的位置。这种策略的优点是效率高 —— 早期确定性选择能够快速收缩搜索空间，减少后续的传播计算量。同时，它也符合人类直觉：在创作过程中，我们往往先确定最核心、最明确的元素，再填充细节。然而，最小熵策略可能导致「局部最优陷阱」—— 算法过早地锁定某些区域，使得后续的全局布局受到限制，生成结果虽然局部正确，但整体结构缺乏变化。
工程实践中已经出现了一些改进的启发式策略。例如，Oskar Stålberg 在开发《Bad North》时使用了一种启发式方法，优先选择那些能够生成可导航区域的瓦片，以确保生成的地图在游戏性上合理。另一种常见的做法是引入随机扰动 —— 在熵值相近的多个位置中随机选择，而非严格遵循最小熵，这样可以增加生成结果的变化性。
在传播实现方面，WFC 使用 AC-4 算法处理约束传播，这是经典的一阶弧一致性算法。原始实现中的传播是确定性的：一旦某个模式被排除，它永远被排除，不会再被恢复。这种「单向传播」策略计算效率高，但无法处理需要回溯的场景。对于需要更高鲁棒性的应用，一些变体实现了带回溯的搜索：当发现矛盾时，算法会撤销部分选择并重新尝试。DeBroglie 等库提供了这种增强实现，尽管会显著增加计算时间。
矛盾处理与工程容错
在实际工程中，WFC 面临的最大挑战不是算法本身的复杂性，而是矛盾处理。矛盾是指在传播过程中，某个像素位置的所有可能模式都被排除，算法无法继续。由于判断某个位图是否存在满足约束的其他非平凡解是 NP 难问题，无法找到一种总是成功的快速算法。在实践中，WFC 的矛盾率通常比预期低得多，这使得它足够实用，但仍需要工程层面的容错设计。
最直接的容错策略是重试机制：当一次生成失败时，清空状态并重新开始。WFC 的随机性来自坍缩时的概率选择，重试通常能够避开上次的冲突路径。大多数实现都会内置一个最大重试次数，达到上限后放弃当前生成并返回错误。另一种策略是降低 N 值或减少对称增强 —— 这实际上是在以生成多样性换取成功率。还有一种更精细的方法是「约束放松」：当检测到即将发生矛盾时，有选择地放宽某些约束条件，允许更多模式共存，虽然这可能导致输出略微偏离输入的局部特征。
对于需要高可靠性生成的生产环境，推荐的做法是将 WFC 与其他生成算法组合使用。原始论文中提到，ConvChain 算法虽然可能产生局部缺陷，但能够生成采样充分的配置；可以先用 ConvChain 快速生成一个粗糙的「草稿」，再用 WFC 进行局部修正。这种「先粗后精」的策略类似于优化算法中的「先蒙特卡洛搜索找到全局近似，再梯度下降精调」，能够结合两种方法的优势。
实用性清单与监控要点
在生产环境中部署 WFC 进行 one-shot 生成时，以下参数和监控点值得关注。模式库规模应作为首要监控指标 —— 如果输入示例提取后模式数少于几百，说明 N 值可能过大或输入过于单调，需要调整。矛盾率是第二个关键指标：一次生成中的重试次数超过 5 次，通常意味着参数配置需要优化。生成时间与 N 的平方成正比，与模式库规模成正比，生产环境应设置超时阈值（建议单次生成不超过 30 秒）。
对于需要确保连通性的场景（如地牢地图），可以在 WFC 外层再叠加一个连通性约束的后处理步骤，或者使用支持额外约束的变体库如 DeBroglie。如果生成结果需要保持与输入相同的全局统计特征，可以考虑结合 ConvChain 进行预采样，再交由 WFC 进行局部精修。
小结
WFC 的 one-shot 学习能力来自于一种简洁而深刻的洞察：一张图像的「本质」可以完全由其局部模式库刻画。通过从单一样本中提取 N×N 模式并以约束传播的方式重组，WFC 在无需显式训练的情况下实现了高质量的程序化生成。窗口大小 N 控制着学习粒度，对称增强调节着多样性，熵选择启发式影响着全局结构 —— 这些参数共同构成了 one-shot 生成的工程调色板。理解并善用这些杠杆，是将 WFC 从一个有趣的算法原型转化为可靠的生产工具的关键。
资料来源：本文核心事实与算法描述基于 mxgmn/WaveFunctionCollapse 官方仓库（https://github.com/mxgmn/WaveFunctionCollapse）。