PINs:マルチスケールニューラル表現のための漸進的暗黙ネットワーク【JST・京大機械翻訳】

Landgraf Zoe; Hornung Alexander Sorkine; Cabral Ricardo Silveira

プレプリント

J-GLOBAL ID：202202209442491098 整理番号：22P0287325

PINs:マルチスケールニューラル表現のための漸進的暗黙ネットワーク【JST・京大機械翻訳】

PINs: Progressive Implicit Networks for Multi-Scale Neural Representations

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月09日プレプリントサーバーでの情報更新日： 2022年06月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

多層パーセプトロン(MLP)は,入力の高次元投影と組み合わせた場合,通常,位置符号化と呼ばれる,効果的なシーン符号器であることが証明されている。しかし,広い周波数スペクトルを有するシーンは,低構造領域で雑音を導入するための高周波の選択という課題として残っているが,低周波数は詳細領域の不十分なフィッティングをもたらす。これに取り組むために,周波数符号化の増分集合に階層的MLP構造を曝露する進行性位置符号化を提案した。本モデルは,広い周波数帯でシーンを正確に再構成し,明示的なレベルごとの監視なしで,詳細の漸進的レベルでシーン表現を学習する。アーキテクチャはモジュラであり,各レベルはそれぞれの解像度に対して別々に活用できる連続陰的表現を符号化し,より粗い再構成のためのより小さなネットワークを意味する。いくつかの2Dおよび3Dデータセットに関する実験は,ベースラインと比較して再構成精度,表現能力および訓練速度の改善を示す。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

図形・画像処理一般

前のページに戻る