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。
ニューラルネットワークの重みにおける画像,ビデオ,3D形状のような信号を符号化する暗黙的ニューラル表現(INR)は,ますますポピュラーになっている。それらの多くの応用の中で,信号圧縮であり,ニューラルネットワークサイズ,訓練(符号化)および推論(復号化)時間のような制約を受ける元の信号に対して,最高の可能な忠実度を達成することに大きな関心が寄せられている。しかし,INRの訓練は計算的に高価なプロセスであり,そのような制約の下で最良の可能なトレードオフを決定することを困難にしている。この目標に向けて,ポピュラーなINRネットワーク(SIREN)がそのネットワークハイパーパラメータおよび符号化信号が与えられた場合に到達する符号化誤差を予測する手法を提案した。この方法は,種々の画像およびハイパーパラメータにわたって訓練された300,000のSIRENのユニークなデータセット上で訓練された。(ここで利用できるデータ集合:https://huggingface.co/datasets/predict SIREN PSNR/COIN collection.)著者らの予測法は,この回帰問題の実現可能性を実証し,ユーザにSIRENネットワークが数分またはそれ以上の時間ではなくミリ秒で到達する符号化誤差を予期することを可能にする。また,狭いSIRENが符号化誤差において非常に高いランダム変動を持つことができる理由,およびSIRENの性能がJPEG圧縮にどのように関連するかのような,SIRENネットワークの振舞いに対する洞察を提供した。【JST機械翻訳】
