WIRE: 小波隐式神经表示
计算机视觉与模式识别
2023-01-13 v1 图形学
图像与视频处理
摘要
隐式神经表示 (INR) 近期推动了众多视觉相关领域的进展。INR 的性能在很大程度上取决于其多层感知机 (MLP) 网络中所采用的非线性激活函数的选择。尽管已探索了广泛的非线性函数，但不幸的是，当前设计为具有高精度的 INR 也遭受鲁棒性差（对信号噪声、参数变化等）的问题。受调和分析的启发，我们开发了一种新的、高精度且鲁棒的 INR，它不存在这种权衡。小波隐式神经表示 (WIRE) 使用了一个连续的复 Gabor 小波激活函数，该函数以在空间-频率域具有最佳集中性以及表示图像的优异偏置而闻名。广泛的实验（图像去噪、图像修复、超分辨率、计算机断层扫描重建、图像过拟合以及使用神经辐射场的新视角合成）表明，WIRE 在 INR 的精度、训练时间和鲁棒性方面定义了新的最先进水平。
引用
@article{arxiv.2301.05187,
title = {WIRE: Wavelet Implicit Neural Representations},
author = {Vishwanath Saragadam and Daniel LeJeune and Jasper Tan and Guha Balakrishnan and Ashok Veeraraghavan and Richard G. Baraniuk},
journal= {arXiv preprint arXiv:2301.05187},
year = {2023}
}