FM-SIREN & FM-FINER：基于奈奎斯特正交性的隐式神经表示
计算机视觉与模式识别
2026-04-14 v3
摘要
现有的基于周期激活的隐式神经表示（INR）网络，如SIREN和FINER，遭受隐藏特征冗余的问题，即层内的神经元由于使用固定的频率乘子而捕获重叠的频率成分。这种冗余限制了多层感知器（MLP）的表达能力。借鉴经典信号处理方法如离散正弦变换（DST），本文提出FM-SIREN和FM-FINER，它们为周期激活分配基于奈奎斯特频率的、神经元特定的频率乘子。与现有方法不同，我们的设计在不要求超参数调优或额外网络深度的情况下引入了频率多样性。这种简单而原则性的方法将特征冗余减少了近50%，并在多样化的INR任务（如拟合1D音频、2D图像和3D形状以及视频）中一致地改善了信号重建，优于其基线方法同时保持了效率。
引用
@article{arxiv.2509.23438,
title = {FM-SIREN & FM-FINER: Implicit Neural Representation Using Nyquist-based Orthogonality},
author = {Mohammed Alsakabi and Wael Mobeirek and John M. Dolan and Ozan K. Tonguz},
journal= {arXiv preprint arXiv:2509.23438},
year = {2026}
}