面向坐标网络的曲率感知训练
计算机视觉与模式识别
2023-05-16 v1
摘要
坐标网络因能将信号表示为压缩的连续实体而广泛应用于计算机视觉。然而，使用一阶优化器训练这些网络可能较慢，阻碍了它们在实时应用中的使用。近期工作选择浅层基于体素的表示以实现更快训练，但这牺牲了内存效率。本工作提出了一种解决方案，利用二阶优化方法显著减少坐标网络的训练时间，同时保持其可压缩性。实验证明了该方法在音频、图像、视频、形状重建和神经辐射场等多种信号模态上的有效性。
引用
@article{arxiv.2305.08552,
title = {Curvature-Aware Training for Coordinate Networks},
author = {Hemanth Saratchandran and Shin-Fang Chng and Sameera Ramasinghe and Lachlan MacDonald and Simon Lucey},
journal= {arXiv preprint arXiv:2305.08552},
year = {2023}
}