BriefGPT - AI 论文速递
·
基于多元径向基函数神经网络的时间序列缺失填补
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
我们提出了一种新型的神经场，使用了一般径向基函数进行信号表示。该方法相比于现有的神经场方法，能够更好地适应目标信号，提高径向基函数的通道能力，并且通过混合自适应的径向基函数和基于网格的径向基函数，继承了自适应性和插值平滑性，取得了比现有方法更高的精确度和紧凑性。在2D图像和3D有向距离场表示中的实验证明了我们方法的优越性，并且在神经辐射场重建方面，我们的方法实现了与现有方法相媲美的渲染质量，具有较小的模型大小和可比较的训练速度。
🎯
关键要点
- 提出了一种新型的神经场，使用一般径向基函数进行信号表示。
- 该方法相比于现有的神经场方法，能够更好地适应目标信号。
- 提高了径向基函数的通道能力。
- 通过混合自适应的径向基函数和基于网格的径向基函数，继承了自适应性和插值平滑性。
- 取得了比现有方法更高的精确度和紧凑性。
- 在2D图像和3D有向距离场表示中的实验证明了方法的优越性。
- 在神经辐射场重建方面，实现了与现有方法相媲美的渲染质量。
- 具有较小的模型大小和可比较的训练速度。
➡️
