multidimensional signals

新的INR框架融合MLP和KAN以改进信号表示

研究人员开发了一个新的隐式神经表示（INR）框架，该框架融合了多层感知器（MLP）和Kolmogorov-Arnold网络（KAN），以更好地建模多维信号。这种混合方法解决了传统MLP的光谱偏差问题（倾向于低频），因为它允许KAN分支捕获高频细节。该框架集成了离散小波变换，以分解和融合两个分支的输出，鼓励互补的面向频率的建模。在图像、体积和光场等各种信号类型上的实验表明，重建保真度有所提高。