研究人员开发了一个新的隐式神经表示(INR)框架,该框架融合了多层感知器(MLP)和Kolmogorov-Arnold网络(KAN),以更好地建模多维信号。这种混合方法解决了传统MLP的光谱偏差问题(倾向于低频),因为它允许KAN分支捕获高频细节。该框架集成了离散小波变换,以分解和融合两个分支的输出,鼓励互补的面向频率的建模。在图像、体积和光场等各种信号类型上的实验表明,重建保真度有所提高。 AI
影响 这项研究可能带来更准确、更详细的复杂数据建模,从而惠及那些依赖高保真信号重建的领域。
排序理由 该集群包含一篇详细介绍新颖信号表示技术方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- discrete wavelet transform
- Hugging Face
- Implicit Neural Representations
- inverse discrete wavelet transform
- Kolmogorov-Arnold Networks
- multidimensional signals
- multilayer perceptron
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →