3D
Artificial Intelligence
Computer Vision
VI3NR: 暗黙的ニューラル表現のための分散情報に基づく初期化
Author
Venue
CVPR 2025
Abstract
暗黙的ニューラル表現（INR）は、画像、動画、音声、3D形状など、様々な形式のデータを符号化するための汎用性が高く強力なツールである。INRの成功における重要な要素はネットワークの初期化であり、これは学習モデルの収束や精度に大きな影響を与える。 残念ながら、一般的に用いられるニューラルネットワークの初期化手法は、多くの活性化関数、特にINRで使用されるものに対しては広く適用できません。本論文では、層間で分散が安定し、あらゆる活性化関数に適用可能な初期化手法を導出することで、従来の初期化手法を改善します。この手法が多くの従来の初期化手法を一般化できること、また十分に研究されている活性化関数に対してはさらに優れた安定性を示すことを示します。 また、我々の初期化手法が、複数の信号モダリティにおいてINR活性化関数を使用した場合に、結果の改善をもたらすことも示す。本手法はガウスINRにおいて特に有効であり、複数の実験を通じて初期化理論がタスク性能と一致することを実証し、画像、音声、および3D表面再構成において性能向上を達成した。
