抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
離散格子,例えば画素の2D格子上の世界の測定を表現するための深層学習における一般的な実践である。しかし,これらの測定に代表される根底にある信号はしばしば連続で,例えば画像で表現されたシーンである。次に,強力な連続代替案を,任意の入力空間位置に対して適切な測定値を出力するために訓練されたニューラル関数,陰的ニューラル表現を用いてこれらの測定を表現する。本論文では,このアイデアを次のレベルに取り入れた:これらの機能で深層学習を行うか,それらをデータとして処理する。この文脈において,著者らは,ファンタとしてのデータを参照し, funtaに関する深層学習のためのフレームワークを提案した。この見解は,データからファンタへの効率的な変換,ファンタのコンパクトな表現,およびファンタ上の下流タスクを効果的に解決する多くの課題を提示する。これらの課題を克服し,画像,3D形状,神経放射輝度場(NeRF)および多様体に関するデータを含む広範囲のデータモダリティに適用するためのレシピの概要を述べた。このアプローチが,特に,生成モデリング,データ補完,新しいビュー合成,および分類の正準タスクに関して,データモダリティにわたって様々な説得力のある特性を有することを示した。コード:https://github.com/deepmind/functa;【JST・京大機械翻訳】