3D
Artificial Intelligence
Computer Vision
ニューラルエキスパート：暗黙的ニューラル表現のためのエキスパート混合モデル
Author
Venue
NeurIPs 2024
Abstract
暗黙的ニューラル表現（INR）は、画像、形状、音声、動画の再構成など、様々なタスクにおいて有効であることが実証されている。これらのINRは通常、サンプリングされた入力点から暗黙的フィールドを学習する。これは多くの場合、ドメイン全体に対して単一のネットワークを使用し、単一の関数に多くのグローバルな制約を課すことで行われる。 本論文では、領域の細分化と局所的な適合を同時に学習する、局所的な区分連続関数を学習可能にする「エキスパート混合（MoE）」型暗黙的ニューラル表現アプローチを提案する。 我々は、既存のINR定式化にミクスチャー・オブ・エキスパート（MoE）アーキテクチャを組み込むことで、処理速度、精度、およびメモリ要件の面で大幅な向上が得られることを示す。さらに、ゲートネットワーク向けの新たな条件付けおよび事前学習手法を導入し、所望の解への収束性を向上させる。我々は、表面再構成、画像再構成、音声信号再構成を含む複数の再構成タスクにおいて本手法の有効性を評価し、非MoE手法と比較して性能が向上したことを示す。
