神经场的低秩适应

处理视觉数据通常涉及小调整或一系列变化，例如图像滤波、表面平滑和动画。虽然已建立的图形技术如法线贴图和视频压缩利用冗余来高效编码此类小变化，但针对神经场——视觉或物理函数的参数化表示的小变化编码问题受到较少关注。我们提出一种用于更新神经场的参数高效策略，即使用低秩适应（LoRA）。LoRA 是来自参数高效微调大型语言模型社区的方法，通过最小的计算开销对预训练模型进行小更新。我们将 LoRA 适用于实例特定的神经场，避免需要大型预训练模型，实现轻量级更新。我们通过在图像滤波、几何编辑、视频压缩和能量基编辑等实验验证了该方法的有效性和多样性，用于表示神经场更新。