一种改进神经场的简单有效滤波方案
计算机视觉与模式识别
2023-09-12 v5
摘要
近来，神经场（亦称基于坐标的 MLP）在表示低维数据方面取得了令人印象深刻的成果。与 CNN 不同，MLP 是全局连接的，缺乏局部控制；调整一个局部区域会导致全局变化。因此，改进局部神经场通常陷入两难：滤除局部伪影的同时会平滑掉期望的细节。我们的方案是一种新滤波技术，由两个相抗算子组成：一个平滑算子提供全局平滑以获得更好泛化，另一个恢复算子反之提供更好的局部调整可控性。我们发现单独使用任一算子都会导致噪声伪影增加或区域过度平滑。通过结合两个算子，可调节平滑与锐化，先平滑整个区域，再恢复被过度平滑区域中的细粒度细节。如此，我们的滤波器帮助神经场去除大量噪声同时增强细节。我们在多种任务上展示了该滤波器的益处，并显示出相较 SOTA 方法的显著改进。此外，我们的滤波器在收敛速度与网络稳定性方面也提供了更好表现。
引用
@article{arxiv.2201.13013,
title = {A Simple And Effective Filtering Scheme For Improving Neural Fields},
author = {Yixin Zhuang},
journal= {arXiv preprint arXiv:2201.13013},
year = {2023}
}
备注
Accepted to Computational Visual Media