关键词coordinate-based neural networks
搜索结果 - 4
- 时空隐式神经表示作为广义交通数据学习器
通过参数化空时交通数据(STTD)为隐式神经表示,我们提供了一种新的方法来解决 STTD 学习问题。通过在低维度范围内识别潜在动力学和分解空时交互作用,我们的方法能够进行各种 STTD 的建模,并展示了其在实际应用中的有效性。
- Reg-NF: 神经场中隐性表面的高效配准
本研究采用神经场进行注册,通过优化两个具有不同缩放因子的任意神经场之间的相对 6 自由度变换,实现连续隐式表示的多个神经场的注册,同时讨论神经场在无约束环境中的应用挑战和未来研究方向。
- 人脸图像的神经隐式变形
我们提出利用基于坐标的神经网络来表示面部图像的变形和融合。通过结合经典方法中的能量函数,我们利用这些网络的平滑性和灵活性进行训练,同时允许连续的面部变形和融合。实验结果表明,我们的方法在面部变形检测方法方面与传统方法和基于数据的神经技术相竞 - 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。