論文の概要: Spatial-Frequency-Aware Implicit Neural Representation of Multidimensional Signals via MLP-KAN Fusion

• arxiv url: http://arxiv.org/abs/2610.11296v1
• Date: Thu, 08 Oct 2026 06:03:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.822653
• Title: Spatial-Frequency-Aware Implicit Neural Representation of Multidimensional Signals via MLP-KAN Fusion
• Title（参考訳）: MLP-KAN核融合による多次元信号の空間周波数認識入射ニューラル表現
• Abstract要約: Inlicit Neural Representations (INR) は連続座標を信号値にマッピングすることで多次元信号をモデル化するための魅力的なパラダイムとして登場した。 INRは本質的にスペクトルバイアスに悩まされ、低周波成分が好まれ、必須の高周波詳細の再構成が抑制される。 本稿では,離散分岐とKolmogorov-Arnoldネットワーク分岐を組み合わせた空間周波数対応INRフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 5.824274636311439
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Implicit Neural Representations (INRs) have emerged as a compelling paradigm for modeling multidimensional signals by mapping continuous coordinates to signal values. However, Multi-Layer Perceptrons (MLP)-based INRs inherently suffer from spectral bias, which favors low-frequency components and suppresses the reconstruction of essential high-frequency details. While existing techniques, such as Fourier feature mappings, mitigate this issue, they often rely on sensitive manual tuning and are prone to spectral artifacts. In this paper, we propose a spatial-frequency-aware INR framework that combines an MLP branch with a Kolmogorov-Arnold network (KAN) branch for complementary frequency-oriented modeling. The MLP branch provides a low-frequency-oriented representation of smooth structures, whereas the KAN branch complements localized variations and fine details. To coordinate the two branches, we integrate the discrete wavelet transform (DWT) and inverse discrete wavelet transform (IDWT) into the output fusion stage. The outputs of the two branches are decomposed into wavelet coefficients, and the corresponding coefficients are additively fused before inverse wavelet reconstruction. A wavelet-domain band-separation regularization further penalizes high-frequency responses in the MLP branch and low-frequency responses in the KAN branch, thereby encouraging complementary frequency-oriented behavior. Experiments on 1D signals, 2D images, 3D volumes and signed distance functions, videos, and 4D light-fields demonstrate the applicability of the proposed representation across the evaluated signal modalities. Results demonstrate improved reconstruction fidelity across the evaluated signal modalities.
• Abstract（参考訳）: Inlicit Neural Representations (INR) は連続座標を信号値にマッピングすることで多次元信号をモデル化するための魅力的なパラダイムとして登場した。 しかし、Multi-Layer Perceptrons(MLP)ベースのINRは本質的にスペクトルバイアスに悩まされ、低周波成分が好まれ、必須の高周波詳細の再構成が抑制される。 フーリエ機能マッピングのような既存の技術はこの問題を軽減するが、しばしば敏感な手動チューニングに依存しており、スペクトルアーティファクトの傾向にある。 本稿では,MLP分岐とコルモゴロフ・アルノルドネットワーク(KAN)分岐を組み合わせた空間周波数対応INRフレームワークを提案する。 MLPブランチは滑らかな構造の低周波指向表現を提供するが、kanブランチは局所的なバリエーションと詳細を補完する。 2つの分岐を協調するために、離散ウェーブレット変換(DWT)と逆離散ウェーブレット変換(IDWT)を出力融合ステージに統合する。 2つの分岐の出力はウェーブレット係数に分解され、対応する係数は逆ウェーブレット再構成の前に加算的に融合される。 ウェーブレット領域のバンド分離規則化は、さらに、MLP分岐における高周波応答とkan分岐における低周波応答をペナルティ化し、補周波数指向の振る舞いを促進する。 1次元信号、2次元画像、3次元ボリューム、符号付き距離関数、ビデオ、および4次元光場に関する実験は、評価信号のモダリティを越えて提案された表現の適用性を示す。 その結果, 評価信号の修正精度が向上した。

関連論文リスト

• 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)
• 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)
• WaveSeg: Enhancing Segmentation Precision via High-Frequency Prior and Mamba-Driven Spectrum Decomposition [61.3530659856013]
  本稿では,空間およびウェーブレット領域の機能改善を共同で最適化する新しいデコーダアーキテクチャであるWaveSegを提案する。 高周波成分は、まず入力画像から、境界の詳細を強化するために明示的な先行として学習される。 標準ベンチマークの実験では、Mambaベースの注目に先立ってウェーブレット-ドメイン周波数を利用するWaveSegが、常に最先端のアプローチより優れていることが示されている。
  論文  参考訳（メタデータ） (2025-10-24T01:41:31Z)
• FLAIR: Frequency- and Locality-Aware Implicit Neural Representations [13.614373731196272]
  Implicit Representations (INR) はニューラルネットワークを利用して、座標を対応する信号にマッピングし、連続的かつコンパクトな表現を可能にする。 既存のINRは周波数選択性、空間的局所化、スパース表現に欠けており、冗長な信号成分への過度な依存につながっている。 本稿では2つの重要なイノベーションを取り入れたFLAIR(Frequency- and Locality-Aware Implicit Representations)を提案する。
  論文  参考訳（メタデータ） (2025-08-19T06:06:04Z)
• Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
  リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。 既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。 本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
  論文  参考訳（メタデータ） (2025-08-07T11:14:16Z)
• Implicit Neural Representations and the Algebra of Complex Wavelets [36.311212480600794]
  Inlicit Neural representations (INRs) はユークリッド領域におけるシグナルの表現法として有用である。 ユークリッド空間上の多層パーセプトロン(MLP)として画像をパラメータ化することにより、INRは通常の離散表現では明らかでない信号の結合やスペクトルの特徴を効果的に表現する。
  論文  参考訳（メタデータ） (2023-10-01T02:01:28Z)
• Modulated Periodic Activations for Generalizable Local Functional Representations [113.64179351957888]
  我々は,複数のインスタンスに一般化し,最先端の忠実性を実現する新しい表現を提案する。 提案手法は,画像,映像,形状の汎用的な機能表現を生成し,単一信号に最適化された先行処理よりも高い再構成品質を実現する。
  論文  参考訳（メタデータ） (2021-04-08T17:59:04Z)
• Conditioning Trick for Training Stable GANs [70.15099665710336]
  本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。 我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
  論文  参考訳（メタデータ） (2020-10-12T16:50:22Z)

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。