KVNN

新型Volterra神经网络提供高效的高阶交互建模

研究人员推出了一种新颖的可学习核化Volterra神经网络算子kVNN，旨在高效地对信号、图像和视频数据中的高阶交互进行建模。该方法利用核化来提高Volterra型神经网络算子的效率，并为它们的高阶分量提供结构化解释。通过解耦阶数并采用可学习的多项式核原子，kVNN避免了显式高阶张量参数化的计算成本，并且与CNN架构兼容。实验表明，kVNN在各种视觉任务上提供了出色的准确性-效率权衡。