ReLU 场：那一点足以胜任的非线性
计算机视觉与模式识别
2023-07-04 v2 图形学
摘要
在近期许多工作中，多层感知机（MLP）已被证明适用于建模复杂的空间变化函数，包括图像和 3D 场景。尽管 MLP 能够以空前的质量和内存占用表示复杂场景，但 MLP 的这种表达能力是以较长的训练和推理时间为代价的。另一方面，基于规则网格的双线性/三线性插值可以实现快速的训练和推理时间，但在不显著增加额外内存的情况下无法匹敌 MLP 的质量。因此，在本工作中，我们研究了对基于网格的表示进行何种最小的改动，能够在实现快速重建和渲染时间的同时保留 MLP 的高保真结果。我们引入了一个出奇简单的改动来实现这一目标——仅允许对插值的网格值施加固定的非线性（ReLU）。当与由粗到精的优化相结合时，我们表明这种方法能够与最先进水平相竞争。我们报告了在辐射场和占据场上的结果，并与多种现有替代方法进行了比较。本文的代码和数据可在 https://geometry.cs.ucl.ac.uk/projects/2022/relu_fields 获取。
引用
@article{arxiv.2205.10824,
title = {ReLU Fields: The Little Non-linearity That Could},
author = {Animesh Karnewar and Tobias Ritschel and Oliver Wang and Niloy J. Mitra},
journal= {arXiv preprint arXiv:2205.10824},
year = {2023}
}
备注
Published at SIGGRAPH 2022