FINER++：用于激活隐式神经表征的可变周期函数族构建
计算机视觉与模式识别
2024-07-30 v1
摘要
隐式神经表征（INR）通过神经网络将坐标输入映射到相应属性，正在信号处理领域引起革命。然是，当前的INR技术受制于"频率"指定的谱线偏置和容量-收敛差距，导致在表示具有多种"频率"的复杂信号时表现不完美。我们识别到，这两种特征都可以通过增加当前激活函数在定义域中的利用率来处理。为此，我们提出FINER++框架，通过将现有的周期/非周期激活函数扩展为可变周期函数来实现。通过对神经网络偏置初始化为不同范围，选择具有不同频率的子函数进行激活。因此，可灵活调节支持频率集合，从而提升信号表示的性能。我们使用不同的激活函数 Backbone（Sine、Gauss和Wavelet）和各种任务（2D图像拟合、3D有符号距离场表示、5D神经辐射场优化和可流式INR传输）展示了FINER++的泛化性和能力，并表明它改进了现有的INR。项目页面：https://liuzhen0212.github.io/finerpp/。
引用
@article{arxiv.2407.19434,
title = {FINER++: Building a Family of Variable-periodic Functions for Activating Implicit Neural Representation},
author = {Hao Zhu and Zhen Liu and Qi Zhang and Jingde Fu and Weibing Deng and Zhan Ma and Yanwen Guo and Xun Cao},
journal= {arXiv preprint arXiv:2407.19434},
year = {2024}
}
备注
Extension of previous CVPR paper "FINER: Flexible spectral-bias tuning in implicit neural representation by variable-periodic activation functions". arXiv admin note: substantial text overlap with arXiv:2312.02434