SAPE：面向神经优化的空间自适应渐进编码
机器学习
2021-05-31 v2 计算机视觉与模式识别
图形学
摘要
多层感知机（MLP）已知难以学习高频函数，尤其在具有宽频带的情况下。我们提出一种用于 MLP 网络输入信号的空间自适应渐进编码（SAPE）方案，使其能在不牺牲训练稳定性或无需任何领域特定预处理的情况下更好地拟合宽频率范围。SAPE 作为时间与空间的函数，逐步揭示具有递增频率的信号分量。频率的渐进暴露由整个神经优化过程中的反馈回路监控，使变化能以不同速率在信号空间的局部空间部分间传播。我们在多种领域与应用上展示了 SAPE 的优势，包括低维信号与图像的回归、占据网络的表示学习，以及 3D 形状间网格转移的几何任务。
引用
@article{arxiv.2104.09125,
title = {SAPE: Spatially-Adaptive Progressive Encoding for Neural Optimization},
author = {Amir Hertz and Or Perel and Raja Giryes and Olga Sorkine-Hornung and Daniel Cohen-Or},
journal= {arXiv preprint arXiv:2104.09125},
year = {2021}
}