Mar, 2023

分布式神经表征用于原位反应式可视化

PDF
TL;DR本文介绍了使用反应式编程实现计算建模的 in situ 可视化和控制，并提出利用隐式神经网络实现分布式数据的时间缓存系统。该系统容量为先前实现的 100 倍，并成功应用于 Ascent 基础设施的真实世界模拟中。
in situ visualizationreactive programmingimplicit neural networksdistributed datatemporal caching
发现论文，激发创造
  • 一种新的体数据隐式神经表示

    提出了一种新的隐式神经表示压缩方法，利用 Lanczos 降采样方案、SIREN 深度网络和 SRDenseNet 高分辨率方案，实现了高压缩比和良好的图像重建质量，同时降低了训练时间和 GPU 内存成本。

    Mar, 2024

  • 通过反向神经渲染进行动态场景的物体中心体素化

    本文提出了 DynaVol，一种逆神经渲染框架，用于学习动态场景中多实体的时变体积表示，并在多个基准测试中通过两阶段训练验证了其有效性。

    Apr, 2023

  • 神经体积：从图像中学习动态可渲染的体积

    通过学习，我们提出了一种表示动态物体的方法，该方法由编码器 - 解码器网络和可微分的射线行进操作组成，它不需要明确重建或跟踪物体，使用了 3D 体积表示法，表现出更好的图像质量，为高分辨率应用提供了一种从表面到体积的方法

    Jun, 2019

  • HyperINR: 一种快速预测的超网络，通过知识蒸馏实现隐式神经表示

    本文引入 HyperINR，一种新颖的超网络架构，通过利用多分辨率哈希编码单元的集合，直接预测一个紧凑的 INR 的权重，从而提高了 INR 的推理性能和支持交互式虚拟现实。

    Apr, 2023

  • 分布式表示在神经形态硬件上实现鲁棒多时间尺度计算

    使用高维随机向量作为最小表示单元的矢量符号结构（VSAs）嵌入鲁棒的多时间尺度动力学到基于吸引子的 RSNNs，通过叠加对称的自联想权重矩阵和非对称的状态转换项来嵌入有限状态机进入 RSNNs 动力学，通过模拟高度非理想的权重、实验性的闭环存储器硬件设置，和在 Loihi 2 上验证，表明了 VSA 表示在嵌入鲁棒计算与循环动力学到神经形态硬件中的有效性，无需参数微调或平台的特定优化，这将 VSA 推进为认知算法在神经形态硬件中的高级表示不变的抽象语言。

    May, 2024

  • 基于热力学的神经网络用于物理现实混合现实

    本文介绍了一种基于深度学习的方法，用于计算混合现实中用户实时交互引起的（可能是非线性和耗散性的）可变形物体的动态响应，以保证虚拟世界的正确性和真实性。两个具体示例证明了该方法的高效性。

    Oct, 2022

  • NeuroDAVIS：一种用于数据可视化的神经网络模型

    本文介绍了一种名为 NeuroDAVIS 的无监督深度神经网络模型，用于高维数据的降维和可视化，该模型在大量合成和真实高维数据集上表现出了竞争力，特别是在保留数据大小、形状和本地全局结构方面。

    Apr, 2023

  • 3D 模拟集合中统计依赖关系的交互式可视化的神经场

    本研究提出了首个神经网络，该网络已学会紧凑地表示并能够有效地重构大型三维模拟集合中不同空间位置上物理变量之间的统计依赖关系，其中对于非线性依赖关系采用了互信息进行测量，并通过大型天气预报集合进行了学习和重构。

    Jul, 2023

  • 神经资产：交互环境下的体积对象捕捉与渲染

    本研究提出了一种使用神经渲染的方法，利用新颖的神经表征重构对象的透明部分，并保留物体的逼真外观，使用非常高效的着色器代码支持实时渲染，并通过标准的着色器代码生成，实现与现有硬件和软件系统的无缝集成。

    Dec, 2022

  • AutoInt: 快速神经体渲染的自动集成

    提出了一种使用基于坐标的神经网络学习高效闭合解法的自动积分框架，在神经渲染中提高渲染速度并改善图像质量。

    Dec, 2020