MINER:マルチスケール陰的ニューラル表現【JST・京大機械翻訳】

Saragadam Vishwanath; Tan Jasper; Balakrishnan Guha; Baraniuk Richard G.; Veeraraghavan Ashok

プレプリント

J-GLOBAL ID：202202213288092298 整理番号：22P0286144

MINER:マルチスケール陰的ニューラル表現【JST・京大機械翻訳】

MINER: Multiscale Implicit 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 (5件)： , , , ,
資料名：
発行年： 2022年02月07日プレプリントサーバーでの情報更新日： 2022年07月17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)

大規模信号の効率的な高解像度表現のために設計した新しいニューラル信号モデルを導入した。マルチスケール陰的ニューラル表現(MINER)における鍵革新は,ラプラシアンピラミッドを介した内部表現であり,それは,スケールを横切る信号の直交部分を捕捉する信号の疎なマルチスケール分解を提供する。小さなMLPを持つ各スケールにおけるピラミッドの小さな互いに素なパッチを表現することにより,ラプラシアンピラミッドの利点を利用した。これにより,ネットワークが粗から微細スケールに適応的に増加でき,強い信号エネルギーを持つ信号の部分のみを表現できる。各MLPのパラメータは,粗から微細スケールまで最適化され,より粗いスケールでのより速い近似をもたらし,それによって最終的に非常に速い訓練プロセスになる。MINERを,ギガピクセル画像と非常に大きな点雲を含む広範囲の大規模信号表現タスクに適用し,同じ表現精度に達するようにACORNのような競合技術のパラメータの25%未満,メモリフットプリントの33%,および計算時間の10%未満を必要とすることを実証した。【JST・京大機械翻訳】

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

図形・画像処理一般 , 医用画像処理

前のページに戻る