研究人员推出了一种用于神经隐式曲面的新颖框架SAND，旨在优化计算效率。SAND根据空间复杂度和精度要求自适应地调整网络深度，减少计算浪费。该方法利用体积深度图和修改后的多层感知机，允许在复杂度较低的区域提前终止评估，从而在保持高保真表示的同时加快推理速度。 AI
影响 通过自适应调整网络深度，提高了神经隐式表示的推理速度。
排序理由 这是一篇详细介绍神经隐式曲面新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
SAND框架自适应调整神经隐式曲面网络深度以实现更快采样
报道来源 [1]
-
SAND: Spatially Adaptive Network Depth for Fast Sampling of Neural Implicit Surfaces
arXiv:2604.25936v1 Announce Type: cross Abstract: Implicit neural representations are powerful for geometric modeling, but their practical use is often limited by the high computational cost of network evaluations. We observe that implicit representations require progressively lo…