論文の概要: FINER: Flexible spectral-bias tuning in Implicit NEural Representation by Variable-periodic Activation Functions

• arxiv url: http://arxiv.org/abs/2312.02434v1
• Date: Tue, 5 Dec 2023 02:23:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-06 17:01:25.750328
• Title: FINER: Flexible spectral-bias tuning in Implicit NEural Representation by Variable-periodic Activation Functions
• Title（参考訳）: FINER: 可変周期活性化関数による入射ニューラル表現におけるフレキシブルスペクトルバイアスチューニング
• Authors: Zhen Liu, Hao Zhu, Qi Zhang, Jingde Fu, Weibing Deng, Zhan Ma, Yanwen Guo, Xun Cao
• Abstract要約: 暗黙の神経表現は、信号処理の分野で革命を引き起こしている。 現在のINR技術は、サポートされた周波数セットをチューニングする制限された能力に悩まされている。 本稿では,FINERを提案する可変周期アクティベーション関数を提案する。 本研究では,FINERの2次元画像適合性,3次元符号付き距離場表現,および5次元ニューラル場放射率最適化の文脈における機能を示す。
• 参考スコア（独自算出の注目度）: 40.80112550091512
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Implicit Neural Representation (INR), which utilizes a neural network to map coordinate inputs to corresponding attributes, is causing a revolution in the field of signal processing. However, current INR techniques suffer from a restricted capability to tune their supported frequency set, resulting in imperfect performance when representing complex signals with multiple frequencies. We have identified that this frequency-related problem can be greatly alleviated by introducing variable-periodic activation functions, for which we propose FINER. By initializing the bias of the neural network within different ranges, sub-functions with various frequencies in the variable-periodic function are selected for activation. Consequently, the supported frequency set of FINER can be flexibly tuned, leading to improved performance in signal representation. We demonstrate the capabilities of FINER in the contexts of 2D image fitting, 3D signed distance field representation, and 5D neural radiance fields optimization, and we show that it outperforms existing INRs.
• Abstract（参考訳）: ニューラルネットワークを使用して座標入力を対応する属性にマッピングする暗黙的ニューラルネットワーク表現(inr)は、信号処理の分野で革命を引き起こしている。 しかし、現在のinr技術は、サポートされた周波数セットをチューニングする制限された能力に苦しむため、複数の周波数で複雑な信号を表現する際に不完全な性能をもたらす。 我々は,この周波数関連問題を可変周期アクティベーション関数を導入することで大幅に軽減できることを確認した。 ニューラルネットワークのバイアスを異なる範囲に初期化することにより、可変周期関数の様々な周波数のサブ関数が活性化のために選択される。 これにより、FINERの周波数セットを柔軟に調整でき、信号表現の性能が向上する。 我々は,FINERの2次元画像適合性,3次元符号付き距離場表現,および5次元ニューラルラジアンス場最適化における性能を実証し,既存のINRよりも優れていることを示す。

関連論文リスト

• Implicit Neural Representations with Fourier Kolmogorov-Arnold Networks [4.499833362998488]
  入射神経表現(INR)は、複雑な信号の連続的および分解非依存的な表現を提供するためにニューラルネットワークを使用する。 提案したFKANは、第1層のフーリエ級数としてモデル化された学習可能なアクティベーション関数を用いて、タスク固有の周波数成分を効果的に制御し、学習する。 実験結果から,提案したFKANモデルは,最先端の3つのベースラインスキームよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-09-14T05:53:33Z)
• FINER++: Building a Family of Variable-periodic Functions for Activating Implicit Neural Representation [39.116375158815515]
  Inlicit Neural Representation (INR)は、信号処理の分野で革命を引き起こしている。 INR技術は「周波数」特定スペクトルバイアスとキャパシティ・コンバージェンスギャップに悩まされる。 既存の周期的/非周期的アクティベーション関数を可変周期的関数に拡張することにより、FINER++フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-28T09:24:57Z)
• Fourier-enhanced Implicit Neural Fusion Network for Multispectral and Hyperspectral Image Fusion [12.935592400092712]
  Inlicit Neural representations (INR) は様々な視覚関連領域において大きな進歩を遂げている。 INRは高周波情報を失う傾向があり、世界的な知覚能力の欠如に制限されている。 本稿では,MHIFタスク用に設計されたFourier-enhanced Implicit Neural Fusion Network (FeINFN)を紹介する。
  論文  参考訳（メタデータ） (2024-04-23T16:14:20Z)
• Locality-Aware Generalizable Implicit Neural Representation [54.93702310461174]
  一般化可能な暗黙的ニューラル表現(INR)は、単一の連続関数が複数のデータインスタンスを表現することを可能にする。 本稿では、変換器エンコーダと局所性を考慮したINRデコーダを組み合わせた一般化可能なINRのための新しいフレームワークを提案する。 我々のフレームワークは、従来の一般化可能なINRよりも大幅に優れており、下流タスクにおける局所性を考慮した潜在能力の有効性を検証している。
  論文  参考訳（メタデータ） (2023-10-09T11:26:58Z)
• NeuRBF: A Neural Fields Representation with Adaptive Radial Basis Functions [93.02515761070201]
  本稿では,信号表現に一般放射状基底を用いる新しいタイプのニューラルネットワークを提案する。 提案手法は, 空間適応性が高く, ターゲット信号により密着可能な, フレキシブルなカーネル位置と形状を持つ一般ラジアルベース上に構築する。 ニューラルラジアンス場再構成に適用した場合,本手法はモデルサイズが小さく,訓練速度が同等である最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2023-09-27T06:32:05Z)
• ResFields: Residual Neural Fields for Spatiotemporal Signals [61.44420761752655]
  ResFieldsは、複雑な時間的信号を効果的に表現するために設計された新しいネットワークのクラスである。 本稿では,ResFieldの特性を包括的に解析し,トレーニング可能なパラメータの数を減らすための行列分解手法を提案する。 スパースRGBDカメラからダイナミックな3Dシーンをキャプチャする効果を示すことで,ResFieldsの実用性を実証する。
  論文  参考訳（メタデータ） (2023-09-06T16:59:36Z)
• SPDER: Semiperiodic Damping-Enabled Object Representation [7.4297019016687535]
  位置埋め込みを自然に学習するために設計されたニューラルネットワークアーキテクチャを提案する。 提案アーキテクチャであるSPDERは,正弦波を線形関数で乗算した活性化関数を用いた単純なアーキテクチャである。 以上の結果から,SPDERはトレーニングを10倍に高速化し,画像表現の最先端よりも1500～50,000倍の損失に収束することが示唆された。
  論文  参考訳（メタデータ） (2023-06-27T06:49:40Z)
• Versatile Neural Processes for Learning Implicit Neural Representations [57.090658265140384]
  本稿では,近似関数の能力を大幅に向上させるVersatile Neural Processs (VNP)を提案する。 具体的には、より少ない情報的コンテキストトークンを生成するボトルネックエンコーダを導入し、高い計算コストを軽減した。 提案したVNPが1D, 2D, 3D信号を含む様々なタスクに対して有効であることを示す。
  論文  参考訳（メタデータ） (2023-01-21T04:08:46Z)
• DINER: Disorder-Invariant Implicit Neural Representation [33.10256713209207]
  入射神経表現(INR)は、信号の属性を対応する座標の関数として特徴づける。 本稿では、従来のINRバックボーンにハッシュテーブルを付加することにより、障害不変な暗黙的神経表現(DINER)を提案する。
  論文  参考訳（メタデータ） (2022-11-15T03:34:24Z)

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。