【文献解读】基于周期激活函数的隐式的神经表示
摘要
用神经网络进行隐式定义的、连续可微的信号表示已经成为一种有力的范式，相比较于传统的表示方式能够提供诸多好处。然而，目前的神经网络在进行隐式表示的时候难以表示细节信息，也难以表示信号的一阶导。本文提出使用周期激活函数来作为网络的激活函数，实现对信号的表示。这种表示方法特别适合表示复杂的自然信号与它们的导数信息。本文分析了这样一个具有周期激活函数的网络中存在的统计学规律，提出了参数初始化的技巧，并展示了使用这样的一个网络来表示图像、波场、视频、声音以及他们的导数可行性。
发表期刊：Stanford University
发表日期：2020年6月
参考文献
Sitzmann, V., et al., Implicit Neural Representations with Periodic Activation Functions. 2020.
视频推荐
