研究人员为隐式神经表示（INR）中的可训练正弦激活开发了一个新的理论框架，INR用于建模连续信号。该框架称为正弦可训练激活函数（STAF），允许学习幅度、频率和相位。该研究提供了数学构造，分析了对神经切线核的影响，并提供了一种新的初始化方法。在经验上，STAF在各种INR任务（包括图像重建和NeRF）上表现出具有竞争力或更优的性能，并提高了参数效率。 AI
影响 引入了一种新的激活函数族，可以提高各种神经表示任务的性能和效率。
排序理由 这是一篇研究论文，详细介绍了神经网络中新型激活函数族的新理论框架和经验结果。[lever_c_research降级：ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
