ICCVSep, 2023

NeuRBF：具有自适应径向基函数的神经场表示

PDF
TL;DR我们提出了一种新型的神经场，使用了一般径向基函数进行信号表示。该方法相比于现有的神经场方法，能够更好地适应目标信号，提高径向基函数的通道能力，并且通过混合自适应的径向基函数和基于网格的径向基函数，继承了自适应性和插值平滑性，取得了比现有方法更高的精确度和紧凑性。在 2D 图像和 3D 有向距离场表示中的实验证明了我们方法的优越性，并且在神经辐射场重建方面，我们的方法实现了与现有方法相媲美的渲染质量，具有较小的模型大小和可比较的训练速度。
发现论文，激发创造
  • 一元径向基函数图层：适用于低维输入的脑启发式深度神经网络图层

    深度神经网络（DNN）已成为高维输入数据函数逼近的标准工具，但许多现实世界中的问题具有低维输入，对于这些问题，标准的多层感知器（MLPs）是默认选择。我们提出了一种称为单变量径向基函数（U-RBF）层的新颖 DNN 层，作为一种替代选择。类似于大脑中的感觉神经元，U-RBF 层使用一组神经元来处理每个单独的输入维度，其激活取决于不同的优先输入值。我们在低维函数回归和强化学习任务中验证了其与 MLPs 相比的效果。结果表明，当目标函数变得复杂且难以逼近时，U-RBF 尤其具有优势。

    Nov, 2023

  • 神经傅立叶滤波器组

    该文提出了一种利用神经场和傅里叶特征编码对信号进行空间和频率分解的方法，并通过多层感知机逐层累积高频部分，以形成最终输出的有效高精度重建方法，试验表明该方法在二维图像拟合、三维形状重建和神经辐射场等多个任务上效果优于现有方法，且模型更加紧凑高效。

    Dec, 2022

  • LISR：利用紧致支持径向基函数学习线性三维隐式曲面表示

    从部分和嘈杂的三维点云扫描中隐式三维表面重建是经典的几何处理和三维计算机视觉问题。本文提出了一种基于局部支持紧致径向基函数的线性隐式表面表示，并通过使用带标记距离场 (SDF) 数据进行监督学习，学习了物体的三维表面的线性隐式形状表示。所提出的方法在基准数据集上实现了更好的 Chamfer 距离和可比较的 F-score，并通过应用于三维形状完成任务展示了其有效性。

    Feb, 2024

  • RBF-PINN：物理知情神经网络中的非傅里叶位置嵌入

    基于物理约束的神经网络（PINNs）的研究中，我们发现来自更广泛的神经表示研究的特征映射往往被忽视，我们强调了在特定情况下经常使用的基于 Fourier 的特征映射的局限性，并建议使用条件正定的径向基函数，我们的实证发现证明了我们的方法在多种正向和反向问题案例中的有效性，我们的方法可以无缝地集成到基于坐标的输入神经网络中，并为 PINNs 研究的更广泛领域做出贡献。

    Feb, 2024

  • 关于径向基函数神经网络的普遍逼近性质

    本文研究了一种新型的 RBF（径向基函数）神经网络，其中平滑因子被替换为位移，证明在激活函数具有一定条件下，这些网络能够逼近欧几里得空间中任何紧致子集上的任何连续多元函数。对于具有有限个固定中心的 RBF 网络，我们描述了保证任意精度逼近的条件。

    Apr, 2023

  • 混合神经隐式函数生成神经场

    我们提出了一种学习生成神经场的新方法，它由隐式基网络的线性组合表示。我们的算法通过进行元学习或采用自动解码范式来学习隐式神经表示的基网络及其在潜在空间中的系数。该方法通过增加基网络的数量，同时保持小型推断网络的规模，从而轻松扩大生成神经场的容量，而通过加权模型平均来采样模型实例在延迟和内存占用方面高效。此外，我们还为目标任务定制了去噪扩散概率模型，以采样潜在混合系数，从而使我们的最终模型能够有效地生成看不见的数据。实验证明，我们的方法在图像、体素数据和 NeRF 场景的各种基准测试上取得了有竞争力的生成性能，而无需复杂的特定模态和领域设计。

    Oct, 2023

  • 通过稀疏径向基函数神经网络解决多尺度椭圆问题

    提出了一种利用稀疏径向基函数神经网络的方法来解决具有多尺度系数的椭圆偏微分方程。该方法不仅在三维情况下具有数值收敛性并提供可靠的数值解，而且在准确性和鲁棒性方面优于大多数其他可用的机器学习方法。

    Sep, 2023

  • ResFields：用于时空信号的残差神经场

    提出了一种将时间残差层引入神经场的有效方法，用于表示复杂的时间信号，通过降低可训练参数数量和增强泛化能力的矩阵分解技术，实现了对 2D 视频逼近、通过时间 SDFs 进行动态形状建模和动态 NeRF 重建等各种具有挑战性任务中结果的稳定提升，并通过展示其在轻量级捕获系统的稀疏传感输入中捕获动态 3D 场景的实际效果证明了 ResFields 的实用性。

    Sep, 2023

  • 雷达场：基于频率 - 空间的神经场景表示法用于 FMCW 雷达

    基于活跃雷达成像仪的雷达场景重建方法，通过在傅立叶频率空间中学习场域，并通过原始雷达数据进行监督，可有效地在各种户外场景中提取场景占用情况。

    May, 2024

  • 用于高效神经网络训练的可证明数据子集选择

    本文提出了构建 RBFNN 核心集的第一个算法，利用这些核心集以及梯度的逼近，可以提高深度神经网络训练的效率和准确性。

    Mar, 2023