3D
Artificial Intelligence
Computer Vision
VI3NR: 암시적 신경 표현을 위한 분산 기반 초기화
Author
Venue
CVPR 2025
Abstract
암시적 신경 표현(INR)은 이미지, 동영상, 소리, 3D 형상 등 다양한 형태의 데이터를 인코딩하는 데 있어 다재다능하고 강력한 도구입니다. INR의 성공에 있어 핵심적인 요소는 네트워크의 초기화이며, 이는 학습된 모델의 수렴성과 정확도에 상당한 영향을 미칠 수 있습니다. 안타깝게도, 일반적으로 사용되는 신경망 초기화 방법은 많은 활성화 함수, 특히 INR에서 사용되는 함수들에 널리 적용하기 어렵습니다. 본 논문에서는 레이어 전반에 걸쳐 안정적인 분산을 가지며 모든 활성화 함수에 적용 가능한 초기화 방법을 도출함으로써 기존 초기화 기법을 개선합니다. 우리는 이 방법이 기존의 많은 초기화 기법을 일반화할 뿐만 아니라, 잘 연구된 활성화 함수들에 대해 훨씬 더 우수한 안정성을 보임을 입증합니다. 또한, 우리의 초기화 방법이 다양한 신호 모달리티에서 INR 활성화 함수를 사용할 때 향상된 결과를 이끌어낸다는 점을 입증한다. 우리의 접근 방식은 가우시안 INR에 특히 효과적이며, 여러 실험을 통해 초기화 이론이 실제 작업 성능과 일치함을 보여줌으로써 이미지, 오디오, 3D 표면 재구성 분야에서 성능 향상을 달성할 수 있음을 입증한다.
