論文の概要: A Simple And Effective Filtering Scheme For Improving Neural Fields

• arxiv url: http://arxiv.org/abs/2201.13013v5
• Date: Sun, 10 Sep 2023 11:46:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-12 23:41:40.947070
• Title: A Simple And Effective Filtering Scheme For Improving Neural Fields
• Title（参考訳）: ニューラルネットワーク改善のための簡易かつ効果的なフィルタリング手法
• Authors: Yixin Zhuang
• Abstract要約: 近年、座標系場としても知られるニューラルフィールドは、低次元データの表現において顕著な成果を上げている。 我々の解は2つの反アクティブ作用素からなる新しいフィルタリング手法である。 これら2つの演算子を組み合わせることにより、スムーズ化とシャープ化を調整し、まず全領域をスムーズにした後、過度にスムーズな領域のきめ細かい詳細を復元する。
• 参考スコア（独自算出の注目度）: 1.4685355149711303
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recently, neural fields, also known as coordinate-based MLPs, have achieved impressive results in representing low-dimensional data. Unlike CNN, MLPs are globally connected and lack local control; adjusting a local region leads to global changes. Therefore, improving local neural fields usually leads to a dilemma: filtering out local artifacts can simultaneously smooth away desired details. Our solution is a new filtering technique that consists of two counteractive operators: a smoothing operator that provides global smoothing for better generalization, and conversely a recovering operator that provides better controllability for local adjustments. We have found that using either operator alone can lead to an increase in noisy artifacts or oversmoothed regions. By combining the two operators, smoothing and sharpening can be adjusted to first smooth the entire region and then recover fine-grained details in regions overly smoothed. In this way, our filter helps neural fields remove much noise while enhancing details. We demonstrate the benefits of our filter on various tasks and show significant improvements over state-of-the-art methods. Moreover, our filter also provides better performance in terms of convergence speed and network stability.
• Abstract（参考訳）: 近年、座標ベースのMLPとしても知られるニューラルフィールドは、低次元データの表現において顕著な成果を上げている。 CNNとは異なり、MPPはグローバルに接続されており、ローカルコントロールが欠如している。 したがって、局所的なニューラルネットワークの改善は、通常ジレンマにつながる: 局所的なアーティファクトをフィルタリングすることは、望まれる詳細を同時にスムーズに除去することができる。 提案手法は,2つの反アクティブ作用素からなる新しいフィルタリング手法である。スムージング演算子は汎化を改善するためにグローバルスムージングを提供し,逆に局所調整の制御性を向上させる回復演算子である。 いずれのオペレータも使用すれば,ノイズの多いアーティファクトや過度にスムーズな領域の増加につながることが判明した。 これら2つの演算子を組み合わせることにより、スムーズ化とシャープ化を調整し、まず全領域をスムーズにした後、過度にスムーズな領域のきめ細かい詳細を復元する。 このようにして、我々のフィルターは、詳細性を高めながら、多くのノイズを取り除くのに役立つ。 我々は,様々なタスクにおけるフィルタの利点を実証し,最先端手法に対する大幅な改善を示す。 さらに,コンバージェンス速度とネットワーク安定性の観点から,フィルタの性能も向上する。

関連論文リスト

• BANF: Band-limited Neural Fields for Levels of Detail Reconstruction [28.95113960996025]
  簡単な修正により、低域通過フィルタのニューラルネットワークが得られることを示すとともに、これをどのように利用して信号全体の周波数分解を得ることができるかを示す。 本研究では,提案手法の妥当性について検討し,粗い表現を効果的に計算する方法を示す。
  論文  参考訳（メタデータ） (2024-04-19T17:39:50Z)
• GLFNET: Global-Local (frequency) Filter Networks for efficient medical image segmentation [18.314093733807972]
  医用画像分割のためのGlobal-Local Filter Network (GLFNet) と呼ばれるトランスフォーマースタイルのアーキテクチャを提案する。 モデル効率を最適化するために,自己認識機構をグローバルローカルフィルタブロックの組み合わせに置き換える。 GLFNetを3つのベンチマークデータセットでテストし、GFLOP操作の約2倍の効率を保ちながら、最先端のパフォーマンスを実現した。
  論文  参考訳（メタデータ） (2024-03-01T09:35:03Z)
• Neural Operators with Localized Integral and Differential Kernels [77.76991758980003]
  本稿では,2つのフレームワークで局所的な特徴をキャプチャできる演算子学習の原理的アプローチを提案する。 我々はCNNのカーネル値の適切なスケーリングの下で微分演算子を得ることを示す。 局所積分演算子を得るには、離散連続的畳み込みに基づくカーネルの適切な基底表現を利用する。
  論文  参考訳（メタデータ） (2024-02-26T18:59:31Z)
• Efficient Federated Learning via Local Adaptive Amended Optimizer with Linear Speedup [90.26270347459915]
  そこで我々は,グローバル・アダプティカル・アダプティカル・アダプティカル・アダプティカル・アダプティカル・アルゴリズムを提案する。 textitLADAは通信ラウンドを大幅に削減し、複数のベースラインよりも高い精度を実現する。
  論文  参考訳（メタデータ） (2023-07-30T14:53:21Z)
• Dynamic Regularized Sharpness Aware Minimization in Federated Learning: Approaching Global Consistency and Smooth Landscape [59.841889495864386]
  フェデレートラーニング(FL)では、グローバルサーバの協調の下で、ローカルクライアントのクラスタがチェアリングされる。 クライアントは自身のオプティマに過度に適合する傾向にあり、グローバルな目標から非常に逸脱する。 tt Family FedSMOOは、グローバルな目的に対する局所的な最適性を保証するために動的正規化器を採用する。 理論解析により, tt Family FedSMOO は, 低境界一般化による高速$mathcalO (1/T)$収束率を達成することが示された。
  論文  参考訳（メタデータ） (2023-05-19T10:47:44Z)
• Learning Second Order Local Anomaly for General Face Forgery Detection [7.6896977871741985]
  本稿では,CNNを用いた顔偽造検知器の一般化能力向上のための新しい手法を提案する。 具体的には,局所的な異常をマイニングするための2次局所異常(SOLA)学習モジュールを提案する。 また、実地と偽地の局所的特徴の識別を改善するための局所拡張モジュール(LEM)を提案する。
  論文  参考訳（メタデータ） (2022-09-30T14:27:11Z)
• LATITUDE: Robotic Global Localization with Truncated Dynamic Low-pass Filter in City-scale NeRF [5.364698641882657]
  都市規模ニューラルレージアンスフィールド(NeRF)における2段階位置決め機構について述べる。 位置認識の段階では、トレーニングされたNeRFから生成された画像を通して回帰器を訓練し、グローバルなローカライゼーションの初期値を提供する。 ポーズ最適化の段階では、タンジェント平面上でのポーズを直接最適化することにより、観測画像とレンダリング画像との間の残差を最小化する。 提案手法を合成・実世界の双方で評価し,大規模都市景観における高精度ナビゲーションの可能性を示す。
  論文  参考訳（メタデータ） (2022-09-18T07:56:06Z)
• Filter-enhanced MLP is All You Need for Sequential Recommendation [89.0974365344997]
  オンラインプラットフォームでは、ログされたユーザの行動データはノイズを含まないことは避けられない。 周波数領域の雑音を減衰させる信号処理から,フィルタアルゴリズムのアイデアを借用する。 逐次レコメンデーションタスクのための学習可能なフィルタを備えたオールMLPモデルである textbfFMLP-Rec を提案する。
  論文  参考訳（メタデータ） (2022-02-28T05:49:35Z)
• Faster Non-Convex Federated Learning via Global and Local Momentum [57.52663209739171]
  textttFedGLOMOは最初の(一階)FLtexttFedGLOMOアルゴリズムです。 クライアントとサーバ間の通信においても,我々のアルゴリズムは確実に最適である。
  論文  参考訳（メタデータ） (2020-12-07T21:05:31Z)
• Region-based Non-local Operation for Video Classification [11.746833714322154]
  本稿では,地域別非局所的(RNL)操作を自己注意機構のファミリーとして提案する。 チャネルアテンションモジュールと提案したRNLを組み合わせることで,市販のCNNに組み込んだアテンションチェーンを設計し,エンドツーエンドのトレーニングを行う。 提案手法の実験結果は,他の注意機構よりも優れており,Something V1データセット上での最先端性能を実現している。
  論文  参考訳（メタデータ） (2020-07-17T14:57:05Z)
• Filter Grafting for Deep Neural Networks: Reason, Method, and Cultivation [86.91324735966766]
  フィルタは現代の畳み込みニューラルネットワーク(CNN)のキーコンポーネントである 本稿では,この目的を達成するためにフィルタグラフト(textbfMethod)を導入する。 我々は,フィルタの情報を測定するための新しい基準と,グラフトされた情報をネットワーク間でバランスをとるための適応重み付け戦略を開発する。
  論文  参考訳（メタデータ） (2020-04-26T08:36:26Z)

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。