实体
Implicit Neural Representations
Implicit Neural Representations
PulseAugur coverage of Implicit Neural Representations — every cluster mentioning Implicit Neural Representations across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
MLP秩正则化提升隐式神经表示保真度
研究人员证明，标准多层感知机（MLP）在隐式神经表示（INR）中表示高频内容的能力不足并非架构限制。相反，他们提出训练过程中稳定的秩退化是主要原因。通过在训练过程中调节网络的秩，即使是简单的MLP架构也能实现显著更高的保真度，在图像合成和医学成像等各种领域，PSNR（峰值信噪比）的提升高达9 dB。
-
I-INR: 迭代隐式神经表示
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。
-
Hugging Face 论文介绍 PEPS 以改进神经表示采样
研究人员推出了一种新颖的隐式神经表示（INRs）改进方法——位置编码投影采样（PEPS）。PEPS 将不同频率坐标的投影视为兴趣点，分析其独特的运动模式。该方法能够学习到一种位置编码，在图像表示和纹理压缩等应用中，其性能优于当前最先进的方法，并且通常在达到可比的重建精度时所需的参数更少。