PulseAugur
中
实时 09:01:04
English(EN) Multi-resolution Enhancement for Full Spectrum Neural Representations

新的INR框架增强科学数据表示

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了WIEN-INR，一种新颖的、分层的隐式神经表示（INR）框架，旨在改进复杂科学数据的表示。这种多尺度架构将建模分布在不同的分辨率级别上，并使用增强网络来恢复精细细节。该方法旨在使更小的网络能够捕获信息的全频谱，从而降低计算和存储成本，同时保持高保真度。WIEN-INR已在各种实验测量中证明了其有效性，为神经表示在科学工作流程中的广泛采用提供了一个实际的解决方案。 AI

影响 利用神经网络实现更高效、更详细的科学数据表示，有望加速各个科学领域的研究。

排序理由 该集群包含一篇详细介绍神经表示新方法的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yuan Ni, Zhantao Chen, Shizhou Xu, Cheng Peng, Rajan Plumley, Chun Hong Yoon, Jana B. Thayer, Joshua J. Turner ·

    全光谱神经表示的多分辨率增强

    arXiv:2509.15494v2 Announce Type: replace Abstract: Scientific data acquisition continues to outpace storage and analysis capabilities, making voxel-based representations increasingly intractable. Implicit neural representations (INRs) offer a promising solution by encoding signa…

相关话题