論文の概要: Recurrent Sinusoidal INRs for Efficient High-Fidelity Representation

• arxiv url: http://arxiv.org/abs/2607.21485v1
• Date: Thu, 23 Jul 2026 16:26:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.483651
• Title: Recurrent Sinusoidal INRs for Efficient High-Fidelity Representation
• Title（参考訳）: 高忠実度表現のための繰り返し正弦波INR
• Abstract要約: 暗黙の神経表現における高調波スペクトル富化の反復メカニズムとして正弦波の再発について検討した。 本研究では, フィードフォワードINR, 非正弦波リカレント変動, 平衡型正弦波モデルに対するスペクトル挙動を実験的に検証した。
• 参考スコア（独自算出の注目度）: 19.765812812167407
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study sinusoidal recurrence as an iterative mechanism for harmonic spectral enrichment in implicit neural representations (INRs). Our analysis reveals that sinusoidal activations induce a harmonic line spectrum, providing a spectral account of how recurrent unrolling enriches the effective spectral support. We realize this principle with a shared sinusoidal block that iteratively refines the latent representation. We empirically validate the resulting spectral behavior against feed-forward INRs, non-sinusoidal recurrent variants, and equilibrium-style sinusoidal models. Complementing this analysis, we evaluate the proposed architecture across image and 3D representation tasks. On RGB image benchmarks, our method achieves higher fidelity than feed-forward baselines with fewer parameters and fewer optimization steps, and it further transfers favorably to super-resolution, NeRF, and SDF tasks.
• Abstract（参考訳）: 暗黙的神経表現(INR)における高調波スペクトル強調のための反復的メカニズムとして正弦波の再発について検討した。 解析の結果,正弦波の活性化は高調波線スペクトルを誘導し,再帰的アンローリングが有効スペクトル支持率を高めることを示す。 我々はこの原理を,潜在表現を反復的に洗練する共有正弦波ブロックで実現した。 本研究では, フィードフォワードINR, 非正弦波リカレント変動, 平衡型正弦波モデルに対するスペクトル挙動を実験的に検証した。 この分析を補完し、画像および3次元表現タスク間で提案したアーキテクチャを評価する。 RGB画像ベンチマークでは,パラメータが少なく,最適化ステップも少ないフィードフォワードベースラインよりも忠実度が向上し,超解像,NeRF,SDFタスクへの転送も良好である。

関連論文リスト

• Spectral Gating via Damped Oscillations for Adaptive Implicit Neural Representations [24.706105488382818]
  Inlicit Neural Representation (INR)は、座標ベースのネットワークを通じて連続的な信号を符号化することに成功した。 周期的なアクティベーションは細部を捉えるが、ノイズを記憶するオールパスフィルタとして機能する一方、空間的にコンパクトなアクティベーションは効率よく正規化されるが、低周波バイアスに悩まされる。 本稿では,各ニューロンの活性化を正弦波駆動型減衰振動子の定常応答としてモデル化することを提案する。
  論文  参考訳（メタデータ） (2026-06-22T11:59:47Z)
• Coloring the Noise: Adversarial Sobolev Alignment for Faithful Image Super Resolution [43.65326076389854]
  Image Super-Resolutionの創発的な先駆者は、しばしば忠実な修復を妥協する。 生成フローをソボレフ型幾何学に再キャストするフレームワークであるASASRを提案する。 ASASRは、スペクトルの一貫性と構造的忠実性を維持する上で、先進的な生成ベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-05-22T06:06:51Z)
• Residual Gaussian Splatting for Ultra Sparse-View CBCT Reconstruction [14.00351191217297]
  本研究はウェーブレット多分解能解析と3DGSを統合し,スパース再構成を向上する。 本稿では、体積場を幾何学的基底成分と残留詳細成分に階層化するスペクトル分離ガウス表現を提案する。 臨床データセットの実験では、RGSが再構成された画像によって高度に洗練された幾何学的テクスチャをキャプチャできることが示されている。
  論文  参考訳（メタデータ） (2026-04-30T07:59:18Z)
• Implicit Neural Representations: A Signal Processing Perspective [54.57279006229212]
  入射神経表現(INR)は、離散的なサンプルデータから連続的な機能的表現へと、信号モデリングの根本的な変化を示す。 本稿では、信号処理の観点からのINRの進化を考察し、スペクトル挙動、サンプリング理論、マルチスケール表現を強調する。 医療・レーダ画像の逆問題,圧縮,3次元シーン表現など,幅広い応用分野におけるINRの有用性を強調した。
  論文  参考訳（メタデータ） (2026-04-16T14:12:06Z)
• RKHS Representation of Algebraic Convolutional Filters with Integral Operators [111.57971404925486]
  本稿では、積分作用素の範囲が自然にRKHS畳み込み信号モデルを誘導することを示す理論を開発する。 積分作用素によるフィルタリングは反復箱積に対応し、ユニタリカーネル代数が生じることを示す。 本研究は, グラノン信号処理における固有分解とRKHS表現の正確な関係を確立し, 自然に有向グラノンに拡張し, 空間スペクトルの新たな局在化を可能とした。
  論文  参考訳（メタデータ） (2026-02-22T08:28:34Z)
• FUTON: Fourier Tensor Network for Implicit Neural Representations [56.48739018255443]
  入射神経表現(INR)はシグナルを符号化する強力なツールとして現れてきたが、支配的な設計はしばしば収束が遅く、ノイズに過度に適応し、外挿が不十分である。 低ランクテンソル分解により係数がパラメータ化される一般化フーリエ級数として信号をモデル化するFUTONを導入する。
  論文  参考訳（メタデータ） (2026-02-13T19:31:44Z)
• Spectral-wise Implicit Neural Representation for Hyperspectral Image Reconstruction [13.79887292039637]
  Coded Aperture Snapshot Spectral Imaging (CASSI) は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。 HSIを再構成する既存の方法は、通常、2次元圧縮画像から所定の離散スペクトル帯域のセットへの学習マッピングを含む。 本稿では、この制限に対処するための先駆的なステップとして、スペクトルワイドインシシットニューラル表現(SINR)と呼ばれる革新的な手法を提案する。
  論文  参考訳（メタデータ） (2023-12-02T08:06:07Z)
• Deep Equilibrium Diffusion Restoration with Parallel Sampling [120.15039525209106]
  拡散モデルに基づく画像復元(IR)は、拡散モデルを用いて劣化した画像から高品質な(本社)画像を復元し、有望な性能を達成することを目的としている。 既存のほとんどの手法では、HQイメージをステップバイステップで復元するために長いシリアルサンプリングチェーンが必要であるため、高価なサンプリング時間と高い計算コストがかかる。 本研究では,拡散モデルに基づくIRモデルを異なる視点,すなわちDeqIRと呼ばれるDeQ(Deep equilibrium)固定点系で再考することを目的とする。
  論文  参考訳（メタデータ） (2023-11-20T08:27:56Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• Synthetic Wave-Geometric Impulse Responses for Improved Speech Dereverberation [69.1351513309953]
  室内インパルス応答 (RIR) の低周波成分を正確にシミュレートすることが, 良好な脱ヴァーベレーションを実現する上で重要であることを示す。 本研究では, ハイブリッド合成RIRで訓練された音声残響モデルが, 従来の幾何線トレーシング法により学習されたRIRで訓練されたモデルよりも優れていたことを示す。
  論文  参考訳（メタデータ） (2022-12-10T20:15:23Z)
• Implicit Neural Representation Learning for Hyperspectral Image Super-Resolution [0.0]
  Inlicit Neural Representations (INR)は、新しい効果的な表現として進歩を遂げている。 本稿では、空間座標を対応するスペクトル放射率値にマッピングする連続関数により、HSIを表すINRに基づく新しいHSI再構成モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-20T14:07:54Z)

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。