KAN 适用于计算机视觉：一项初步调查
计算机视觉与模式识别
2024-10-21 v2 人工智能
摘要
Kolmogorov-Arnold 网络 (KAN) 引入了神经建模范式，实现网络边缘可学习函数，区别于传统节点中心激活函数于神经网络。本文考察 KAN 在视觉建模中的适用性与效能，聚焦基础识别与分割任务。我们主要分析构建于 KAN 概念之不同网络架构的性能与效率，这些架构融合卷积层与线性层等常规构块，实现对传统模型之比较分析。我们的发现旨在助力理解 KAN 在计算机视觉中的潜力，凸显其优势及后续研究之方向。我们的评估指向：尽管 KAN 架构按原声称般表现，但在处理更复杂视觉数据时，往往需采用更复杂函数于网络边缘，方能保持 KAN 之性能优势。
引用
@article{arxiv.2406.09087,
title = {Suitability of KANs for Computer Vision: A preliminary investigation},
author = {Basim Azam and Naveed Akhtar},
journal= {arXiv preprint arXiv:2406.09087},
year = {2024}
}