PulseAugur
中
实时 08:31:45
English(EN) A Unified Theory of Sinusoidal Activation Families for Implicit Neural Representations

新理论统一了神经表示的可训练正弦激活

作者 PulseAugur 编辑部 · [1 个来源] ·

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]

在 arXiv cs.CV 阅读 →

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

新理论统一了神经表示的可训练正弦激活

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Alireza Morsali, MohammadJavad Vaez, Mohammadhossein Soltani, Amirhossein Kazerouni, Babak Taati, Morteza Mohammad-Noori ·

    隐式神经表示的正弦激活族统一理论

    arXiv:2502.00869v3 Announce Type: replace Abstract: Implicit Neural Representations (INRs) model continuous signals with compact neural networks and have become a standard tool in vision, graphics, and signal processing. A central challenge is accurately capturing fine detail wit…

相关实体

相关话题