PulseAugur
中
实时 08:50:49

新型无网格损失将神经表示拟合速度提高了 250 倍

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员为隐式神经表示开发了一种新颖的无网格辅助损失函数，利用源自 Minkowski 函数的过零密度。该方法提供了显著的速度提升，比传统的持久同调损失快约 250 倍。虽然在二维中能有效修复拓扑和保持保真度，但该技术在三维中面临挑战，在三维中，梯度下降可能会掩盖低于采样密度的拓扑噪声，从而影响准确性。 AI

影响 这种新的损失函数可以加速复杂三维形状表示的训练，有可能改善生成建模和模拟等领域的应用。

排序理由 该集群包含一篇详细介绍隐式神经表示新方法的论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新型无网格损失将神经表示拟合速度提高了 250 倍

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Gunner Levi Howe ·

    交叉越集密度作为无网格高频辅助损失用于隐式神经表示

    arXiv:2607.05815v1 Announce Type: new Abstract: The Minkowski functionals of a field's excursion sets -- area, boundary measure, and Euler characteristic -- describe its level-set morphology; the Euler characteristic is the cheapest handle on topology. We derive smooth Monte-Carl…

  2. arXiv cs.LG TIER_1 English(EN) · Gunner Levi Howe ·

    Level-Crossing Density作为无网格高频辅助损失用于隐式神经表示

    The Minkowski functionals of a field's excursion sets -- area, boundary measure, and Euler characteristic -- describe its level-set morphology; the Euler characteristic is the cheapest handle on topology. We derive smooth Monte-Carlo estimators for all three of a continuous neura…

相关实体

相关话题