用於高效高保真表達的迴圈正弦顯式神經表示法
為何重要
該研究為頻譜豐度理論提供了重要實證，證明瞭利用諧波與遞迴機制可以顯著提升頻譜表達效率，這對於追求高保真度且需控管運算成本的 2D 與 3D 分析應用（如影像超解析度或 3D 場景重建）具有指標意義。在 Transformer 模型主導的自然語言處理後，INRs 在 3D 推理領域帶來了另一種輕量化的可能性。
本研究提出一種名為「迴圈正弦顯式神經表示法」的新架構，利用正弦遞迴機制來提升隱式神經表示的頻譜豐度與效率。
- 分析顯示，正弦激勵會產生諧波線頻譜，這解釋了遞迴展開如何擴充其有效頻譜的支撐範圍。
- 該方法透過共享的正弦區塊執行迭代，反覆精煉潛在表示。
- 在 RGB 影像基準測試中，相較於一般迴圈 INR，該架構在引數量與最佳化步數較少的情況下，仍能達到更高保真度。
- 該架構在超解析度、NeRF 和 SDF 任務上，也展現了良好的效能轉移性。