PREF: Phasorial Embedding Fields for Compact Neural Representations

要約

我々は、神経信号のモデリングと再構成タスクを容易にするためのコンパクトな表現として、位相的埋め込み場 ⌈Emph{PREF} ⌋を提示する。純粋な多層パーセプトロン（MLP）ベースのニューラル技術は、低周波信号に偏っており、詳細を失わないために深い層やフーリエエンコーディングに依存してきました。PREFはその代わりに、フーリエ埋め込み空間の位相幾何学的定式化に基づく、コンパクトで物理的に説明可能なエンコーディングフィールドを採用しています。我々は、最新の空間埋め込み技術に対するPREFの優位性を実証するため、包括的な実験を行った。次に、PREFのための近似逆フーリエ変換スキームと新しいパースバル正則化器を用いた高効率な周波数学習フレームワークを開発する。この効率的でコンパクトな周波数ベースの神経信号処理技術は、2次元画像補完、3次元SDF表面回帰、5次元輝度場再構成において、最新の技術と同等、あるいはそれ以上の性能を持つことが、広範な実験により示されている。

要約(オリジナル)

We present a phasorial embedding field \emph{PREF} as a compact representation to facilitate neural signal modeling and reconstruction tasks. Pure multi-layer perceptron (MLP) based neural techniques are biased towards low frequency signals and have relied on deep layers or Fourier encoding to avoid losing details. PREF instead employs a compact and physically explainable encoding field based on the phasor formulation of the Fourier embedding space. We conduct comprehensive experiments to demonstrate the advantages of PREF over the latest spatial embedding techniques. We then develop a highly efficient frequency learning framework using an approximated inverse Fourier transform scheme for PREF along with a novel Parseval regularizer. Extensive experiments show our efficient and compact frequency-based neural signal processing technique is on par with and even better than the state-of-the-art in 2D image completion, 3D SDF surface regression, and 5D radiance field reconstruction.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL