QFF：用于神经场表示的量化傅里叶特征
计算机视觉与模式识别
2022-12-05 v1
摘要
多层感知机（MLP）学习高频信息的速度很慢。近期方法将特征编码于空间分箱中以提升细节学习速度，但代价是更大的模型尺寸和连续性的丧失。相反，我们提出将特征编码于常用于位置编码的傅里叶特征分箱中。我们称之为量化傅里叶特征（QFF）。作为一种天然多分辨率且周期性的表示，我们的实验表明，使用QFF可在若干应用中带来更小的模型尺寸、更快的训练和更优的输出质量，包括神经图像表示（NIR）、神经辐射场（NeRF）和符号距离函数（SDF）建模。QFF易于编码、计算快速，并可作为对许多神经场表示的简单即插即用补充。
引用
@article{arxiv.2212.00914,
title = {QFF: Quantized Fourier Features for Neural Field Representations},
author = {Jae Yong Lee and Yuqun Wu and Chuhang Zou and Shenlong Wang and Derek Hoiem},
journal= {arXiv preprint arXiv:2212.00914},
year = {2022}
}