QuadINR：通过二次激活函数实现硬件高效的隐式神经表示
计算机视觉与模式识别
2025-08-21 v1
摘要
隐式神经表示（INR）通过激活函数（AF）将离散信号连续化，同时解决谱偏斜问题。以往方法通过采用复杂激活函数来缓解此偏斜，但常常造成显著的硬件开销。为解决此挑战，我们提出QuadINR——一种利用分段二次激活函数实现硬件高效的INR，能够以显著降低硬件消耗获得卓越性能。二次函数在其傅里叶级数中包含丰富的谐波内容，经Neural Tangent Kernel（NTK）分析验证，能够为高频信号提供增强的表达能力。我们发展了统一的N阶段管道框架，促进了各种激活函数在INR中的高效硬件实现。我们在VCU128平台上实现FPGA以及28nm工艺下的ASIC实现。跨图像和视频的实验表明，QuadINR在先前工作基础上实现最高可达2.06dB的PSNR提升，仅需1914μm²的面积和6.14mW的动态功耗，资源和功耗消耗分别降低最高达97%，延迟降低最高达93%。
引用
@article{arxiv.2508.14374,
title = {QuadINR: Hardware-Efficient Implicit Neural Representations Through Quadratic Activation},
author = {Wenyong Zhou and Boyu Li and Jiachen Ren and Taiqiang Wu and Zhilin Ai and Zhengwu Liu and Ngai Wong},
journal= {arXiv preprint arXiv:2508.14374},
year = {2025}
}
备注
5 pages, 4 figures