BACON：用于多尺度场景表示的带限坐标网络
计算机视觉与模式识别
2022-03-29 v2 图形学
机器学习
摘要
基于坐标的网络已成为三维表示和场景重建的强大工具。这些网络经过训练，可将连续输入坐标映射到每个点的信号值。然而，当前的架构仍是黑箱：其频谱特性难以分析，在无监督点处的行为也难以预测。此外，这些网络通常被训练为在单一尺度上表示信号，因此简单的下采样或上采样会导致伪影。我们引入了带限坐标网络（BACON），这是一种具有解析傅里叶频谱的网络架构。BACON 在无监督点处具有受约束的行为，可根据所表示信号的频谱特性进行设计，并且无需逐尺度监督即可在多尺度上表示信号。我们展示了 BACON 在图像、辐射场以及使用有符号距离函数的三维场景的多尺度神经表示中的应用，并证明其在可解释性和质量方面优于传统的单尺度坐标网络。
引用
@article{arxiv.2112.04645,
title = {BACON: Band-limited Coordinate Networks for Multiscale Scene Representation},
author = {David B. Lindell and Dave Van Veen and Jeong Joon Park and Gordon Wetzstein},
journal= {arXiv preprint arXiv:2112.04645},
year = {2022}
}
备注
Project page: https://www.computationalimaging.org/publications/bacon/