inr | BriefGPT - AI 论文速递

关键词inr

搜索结果 - 8

Conv-INR: 多模视觉信号的卷积隐式神经表示
本文提出了 Conv-INR，这是第一个完全基于卷积的 INR 模型，相较于现有的基于多层感知机的 INR 模型，Conv-INR 具有更好的表示能力和可训练性，同时能够有效地学习邻近坐标和高频组成部分。通过广泛的实验验证了 Conv-IN
PDFa month ago
ICLRASMR: 高效推理的激活共享多分辨率坐标网络
我们提出了激活共享多分辨率（ASMR）坐标网络，通过多分辨率坐标分解和分层调制，实现了激活在数据网格之间的共享，从而实现了近似 O (1) 的推理复杂度，大大减少了硬件约束下的推理效率。实验证明，ASMR 能够将普通 SIREN 模型的 M
PDFa month ago
使用傅立叶基数重新参数化训练改进的神经表征
利用傅里叶参数化方法可以更好地学习隐式神经表示并减少人工数据中的纹理和伪影
PDF6 months ago
FINER: 变周期激活函数下的灵活光谱偏置调节的隐式神经表示
利用神经网络将坐标输入映射到相应属性的隐性神经表示（INR）正在信号处理领域引起革命。然而，当前的 INR 技术在调整其支持的频率集方面存在局限性，导致在表示具有多个频率的复杂信号时性能不完善。我们发现，通过引入变周期激活函数，可以大大缓解
PDF7 months ago
ICLR重温低级视觉中的隐式神经表示
本文研究了隐式神经表达在低层视觉问题中的应用，包括图像去噪、超分辨率、修补和去模糊等任务，并在实验中证明了其在资源有限情况下超过其他方法 2dB 以上的卓越表现。
PDFa year ago
CVPR通过自身对隐式神经表示进行正则化
本文提出了一个称为隐式神经表示正则化器的正则化器 (INRR)，以提高隐式神经表示 (INR) 的泛化能力。 INRR 通过将归一化的 Dirichlet 能量 (DE) 与 INR 集成来改善信号表示中的泛化性能，从而更好地集成了信号的自
PDFa year ago
集成神经表示网络
本文提出了一种新的 INR 子优化集成架构来解决现有的训练过程冗长和计算资源占用高问题，该架构将表示任务分解成几个独立子网络完成，并建立了优化算法以找到子网络的最优结构。仿真结果表明，该架构具有更少的浮点运算次数和更短的训练时间，并在峰值信
PDF3 years ago
对抗生成连续图像
本文提出了两个新的神经表示架构用于建立以 INR 为基础的图像解码器，并将其用于构建最先进的连续图像生成对抗网络（GAN）。此外，本文还探索了 INR 解码器的几个有趣性质，包括超分辨率、有意义的图像空间插值、低分辨率图像的加速推理、在图像
PDF4 years ago