研究人员推出迭代隐式神经表示（I-INRs），这是一个旨在增强现有隐式神经表示（INRs）的新框架。这种即插即用方法可迭代地改进信号重建，解决了标准INR在频谱偏差和噪声敏感性方面的局限性。I-INRs在参数和计算成本仅略微增加的情况下，实现了卓越的重建质量，在图像拟合和去噪等任务上优于WIRE、SIREN和Gauss等成熟方法。 AI
影响 提高了信号处理和计算机视觉任务的重建质量和噪声鲁棒性。
排序理由 这是一篇介绍改进现有方法的创新技术方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2504.17364v4 Announce Type: replace Abstract: Implicit Neural Representations (INRs) have revolutionized signal processing and computer vision by modeling signals as continuous, differentiable functions parameterized by neural networks. However, INRs are prone to the spectr…