Dec, 2023

学习哈希探测的紧凑神经图形原语

PDF
TL;DR通过将所有特征网格转化为一个共同的框架，我们通过简单的索引运算将现有数据结构的查找函数组合在一起，实现了帕累托最优压缩和速度，从而表明具有学习探针的哈希表在大小和速度上具有优势。
发现论文，激发创造
  • 多分辨率哈希编码的即时神经图形基元

    通过多分辨率哈希表和 CUDA 核心的并行处理，我们能够在几秒钟内训练和呈现高品质的神经图形原语，极大地减少了浮点运算和内存访问操作。

    Jan, 2022

  • 可变比特率神经场

    本研究提出了一种使用字典方法进行特征网格压缩的方法，可以将其内存消耗降低 100 倍，同时实现了多分辨率表示，其优化方法可以作为离散神经表示的端到端训练解决方案，适用于无法进行直接监督并具有动态拓扑和结构的空间。

    Jun, 2022

  • SHACIRA: 面向隐式神经表示的可扩展哈希格压缩

    SHACIRA 是一种简单但有效的通用框架，它通过在潜在空间中重参数化特征网格、应用熵正则化实现了对如图像、视频和辐射场等多种领域数据进行高水平压缩，超过了现有的 INR 方法，而无需大型数据集或特定领域的启发式算法。

    Sep, 2023

  • 稀疏相似性保持哈希

    本研究提出使用 feed-forward 神经网络来实现稀疏高维哈希码，并且通过对视觉和多模态数据的实验评估表明该方法具有显著的优势。

    Dec, 2013

  • 使用哈希技巧压缩神经网络

    本研究提出了 HashedNets 这一新型网络结构，在使用深度学习技术进行移动设备应用时，可以通过哈希函数来分组并共享连接权重参数，进而大幅缩小神经网络所需的存储空间，而不会明显影响其泛化性能。

    Apr, 2015

  • 基于单纯结构的图形基元高效编码

    基于简单形式的结构是一种更高效且更通用的编码图形基元的方法，其中计算采样点的值的方法类似于简单噪声算法的转换过程。

    Nov, 2023

  • 学习哈希在大数据索引中的应用 - 一份综述

    本研究综述了基于哈希技术的 ANN 搜索的发展历程和应用，重点介绍了基于数据驱动学习方法和深度学习模型的哈希应用技术，分析了优缺点，并探讨了未来的研究趋势。

    Sep, 2015

  • H-CNN：基于空间哈希的 3D 形状分析卷积神经网络

    本文介绍了一种基于空间哈希的数据结构，该结构可以方便使用卷积神经网络进行三维形状分析。相比现有的基于边界的方法，使用该数据结构可以极大地降低内存消耗，提高 CNN 的运行速度，同时保证了分析结果的准确性。

    Mar, 2018

  • 深度神经网络中的同时特征学习与哈希编码

    本文提出了一种深度学习结构的监督哈希方法，其中图像通过经过精心设计的卷积神经网络映射为二进制代码，通过三个构建模块的流水线过程（卷积子网络，划分编码模块和三元组排序损失），实现最近邻搜索的高效率和精确度。

    Apr, 2015

  • 重新发现使用哈希随机投影以高效量化上下文化句子嵌入

    本研究提出了一种利用随机超平面投影和量化技术，减小预处理数据的存储和带宽需求，从而使得边缘设备可以高效地进行推理和训练，并且在多语言句子分类任务中保持了良好的性能。

    Mar, 2023