論文の概要: BACON: Band-limited Coordinate Networks for Multiscale Scene Representation

• arxiv url: http://arxiv.org/abs/2112.04645v1
• Date: Thu, 9 Dec 2021 01:17:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-10 14:12:09.870375
• Title: BACON: Band-limited Coordinate Networks for Multiscale Scene Representation
• Title（参考訳）: BACON:マルチスケールシーン表現のための帯域限定コーディネートネットワーク
• Authors: David B. Lindell, Dave Van Veen, Jeong Joon Park, Gordon Wetzstein
• Abstract要約: コーディネートベースのネットワークは、3D表現とシーン再構築のための強力なツールとして登場した。 解析的フーリエスペクトルを持つネットワークアーキテクチャであるBACONを導入する。 BACONは教師なしの点で予測可能な振る舞いを持ち、表現された信号のスペクトル特性に基づいて設計することができ、明示的な監督なしに複数のスケールで信号を表現できる。
• 参考スコア（独自算出の注目度）: 44.202376191794336
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coordinate-based networks have emerged as a powerful tool for 3D representation and scene reconstruction. These networks are trained to map continuous input coordinates to the value of a signal at each point. Still, current architectures are black boxes: their spectral characteristics cannot be easily analyzed, and their behavior at unsupervised points is difficult to predict. Moreover, these networks are typically trained to represent a signal at a single scale, and so naive downsampling or upsampling results in artifacts. We introduce band-limited coordinate networks (BACON), a network architecture with an analytical Fourier spectrum. BACON has predictable behavior at unsupervised points, can be designed based on the spectral characteristics of the represented signal, and can represent signals at multiple scales without explicit supervision. We demonstrate BACON for multiscale neural representation of images, radiance fields, and 3D scenes using signed distance functions and show that it outperforms conventional single-scale coordinate networks in terms of interpretability and quality.
• Abstract（参考訳）: 3d表現とシーン再構成のための強力なツールとして座標ベースのネットワークが登場した。 これらのネットワークは、連続入力座標を各点の信号の値にマッピングするように訓練される。 しかし、現在のアーキテクチャはブラックボックスであり、そのスペクトル特性は容易に分析できず、教師なし地点での挙動を予測するのは難しい。 さらに、これらのネットワークは通常、単一のスケールで信号を表現するように訓練されているため、単純なダウンサンプリングやアップサンプリングの結果が成果物になる。 本稿では,解析的フーリエスペクトルを持つネットワークアーキテクチャであるバンド制限座標ネットワーク(bacon)を提案する。 BACONは教師なしの点で予測可能な振る舞いを持ち、表現された信号のスペクトル特性に基づいて設計することができ、明示的な監督なしに複数のスケールで信号を表現できる。 署名付き距離関数を用いて画像, 放射場, 3次元シーンのマルチスケールニューラル表現のためのBACONを実証し, 解釈性と品質の観点から従来の単一スケール座標ネットワークよりも優れていることを示す。

関連論文リスト

• BLIS-Net: Classifying and Analyzing Signals on Graphs [20.345611294709244]
  グラフニューラルネットワーク(GNN)は、ノード分類やグラフ分類といったタスクのための強力なツールとして登場した。 我々は以前に導入された幾何散乱変換に基づいて構築された新しいGNNであるBLIS-Net(Bi-Lipschitz Scattering Net)を紹介する。 BLIS-Netは,交通流とfMRIデータに基づいて,合成データと実世界のデータの両方において優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2023-10-26T17:03:14Z)
• Towards Better Gradient Consistency for Neural Signed Distance Functions via Level Set Alignment [50.892158511845466]
  レベルセットの並列性によって示される場の勾配一貫性が、推論精度に影響を及ぼす重要な要因であることを示す。 そこで本研究では,次数集合の並列性を評価するためのレベルセットアライメント損失を提案する。
  論文  参考訳（メタデータ） (2023-05-19T11:28:05Z)
• iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
  iSDFは実時間符号付き距離場再構成のための連続学習システムである。 より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
  論文  参考訳（メタデータ） (2022-04-05T15:48:39Z)
• PINs: Progressive Implicit Networks for Multi-Scale Neural Representations [68.73195473089324]
  周波数符号化のインクリメンタルな集合に階層構造を露出するプログレッシブな位置符号化を提案する。 本モデルでは,広帯域のシーンを正確に再構成し,プログレッシブなディテールでシーン表現を学習する。 いくつかの2次元および3次元データセットの実験では、ベースラインと比較して、再構築精度、表現能力、トレーニング速度が改善されている。
  論文  参考訳（メタデータ） (2022-02-09T20:33:37Z)
• Learning Hierarchical Graph Representation for Image Manipulation Detection [50.04902159383709]
  画像操作検出の目的は、画像内の操作された領域を特定し、特定することである。 最近のアプローチでは、画像に残っている改ざんするアーティファクトをキャプチャするために、洗練された畳み込みニューラルネットワーク(CNN)が採用されている。 本稿では2つの並列分岐からなる階層型グラフ畳み込みネットワーク(HGCN-Net)を提案する。
  論文  参考訳（メタデータ） (2022-01-15T01:54:25Z)
• Meta-Learning Sparse Implicit Neural Representations [69.15490627853629]
  入射神経表現は、一般的な信号を表す新しい道である。 現在のアプローチは、多数の信号やデータセットに対してスケールすることが難しい。 メタ学習型スパースニューラル表現は,高密度メタ学習モデルよりもはるかに少ない損失が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-27T18:02:53Z)
• FMNet: Latent Feature-wise Mapping Network for Cleaning up Noisy Micro-Doppler Spectrogram [2.9849405664643585]
  ノイズの多い環境は、マイクロドップラー分光器の解釈不能な動きパターンを引き起こす。 レーダーの帰還は しばしば マルチパス 乱雑 干渉に悩まされる 本稿では,FMNet (Feature Mapping Network) と呼ばれる潜在機能対応マッピング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-09T19:20:41Z)
• ACORN: Adaptive Coordinate Networks for Neural Scene Representation [40.04760307540698]
  現在の神経表現は、数十万以上のポリゴンを持つメガピクセルまたは3Dシーン以上の解像度で画像を正確に表現できません。 トレーニングや推論中にリソースを適応的に割り当てる新しいハイブリッド暗黙的ネットワークアーキテクチャとトレーニング戦略を紹介します。 ギガピクセル画像を40dB近いピーク信号対雑音比に収まる最初の実験を実証します。
  論文  参考訳（メタデータ） (2021-05-06T16:21:38Z)
• Learned Initializations for Optimizing Coordinate-Based Neural Representations [47.408295381897815]
  コーディネートベースのニューラル表現は、離散的な配列ベースの表現の代替として大きな可能性を示してきた。 完全連結ネットワークの初期重みパラメータを学習するために,標準的なメタ学習アルゴリズムを適用することを提案する。 本研究では,2次元画像の表現,CTスキャンの再構成,2次元画像観察から3次元形状やシーンを復元するなど,様々なタスクにまたがってこれらのメリットを探求する。
  論文  参考訳（メタデータ） (2020-12-03T18:59:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。