English(EN) FUTON: Fourier Tensor Networks for Implicit Neural Representations

FUTON：新的傅里叶张量网络增强了隐式神经表示

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-11 05:00

研究人员推出了一种用于隐式神经表示（INRs）的新方法——FUTON（傅里叶张量网络）。FUTON 将信号建模为广义傅里叶级数，利用低秩张量分解来参数化系数。该方法结合了傅里叶基数在平滑性和周期性方面的归纳偏置，以及低秩参数化以强制执行低维谱结构。在图像拟合、占用体积和新视图合成方面的实验表明，FUTON 在匹配大小的情况下，其平均质量优于其他十二种 INRs，收敛速度显著更快，并且在训练期间需要更少的内存。 AI

影响引入了一种新的隐式神经表示方法，该方法显示出更快的收敛速度和更低的内存使用量，有望提高信号编码任务的效率。

排序理由该集群描述了一篇介绍隐式神经表示新方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 37 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇介绍隐式神经表示新方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Pooya Ashtari, Pourya Behmandpoor, Nikos Deligiannis, Aleksandra Pizurica · 2026-11-11 05:00

FUTON：用于隐式神经表示的傅里叶张量网络

arXiv:2602.13414v2 Announce Type: replace-cross Abstract: Implicit neural representations (INRs) have emerged as powerful tools for encoding signals, yet dominant MLP-based designs often suffer from slow convergence, and how their accuracy depends on their size is known only empi…

本文如何被排名

报道来源 [1]

FUTON：用于隐式神经表示的傅里叶张量网络

相关实体

相关话题