FINER：通过可变周期激活函数在隐式神经表示中实现灵活的频谱偏置调优
计算机视觉与模式识别
2023-12-06 v1
摘要
隐式神经表示（INR）利用神经网络将坐标输入映射到相应的属性，正在引发信号处理领域的革命。然而，当前的 INR 技术在调优其支持的频率集方面能力受限，导致在表示具有多频率的复杂信号时性能不佳。我们发现，通过引入可变周期激活函数可以大大缓解这一与频率相关的问题，为此我们提出了 FINER。通过在不同的范围内初始化神经网络的偏置，可变周期函数中具有不同频率的子函数被选中激活。因此，FINER 支持的频率集可以被灵活调优，从而改善信号表示的性能。我们在 2D 图像拟合、3D 符号距离场表示和 5D 神经辐射场优化的场景中展示了 FINER 的能力，并表明它优于现有的 INR。
引用
@article{arxiv.2312.02434,
title = {FINER: Flexible spectral-bias tuning in Implicit NEural Representation by Variable-periodic Activation Functions},
author = {Zhen Liu and Hao Zhu and Qi Zhang and Jingde Fu and Weibing Deng and Zhan Ma and Yanwen Guo and Xun Cao},
journal= {arXiv preprint arXiv:2312.02434},
year = {2023}
}
备注
10 pages, 9 figures