VI3NR: İma Edilen Sinirsel Temsiller için Varyans Bilgilendirmeli Başlatma
Author
Venue
CVPR 2025
Abstract
İmplisit Sinirsel Temsiller (INR'ler), görüntüler, videolar, ses ve 3B şekiller dahil olmak üzere çeşitli veri biçimlerini kodlamak için çok yönlü ve güçlü bir araçtır. INR'lerin başarısındaki kritik bir faktör, öğrenilen modelin yakınsama ve doğruluğunu önemli ölçüde etkileyebilen ağın başlatılmasıdır. Ne yazık ki, yaygın olarak kullanılan sinir ağı başlatma yöntemleri, birçok aktivasyon fonksiyonu için, özellikle de INR'ler tarafından kullanılanlar için geniş çapta uygulanabilir değildir. Bu makalede, katmanlar arasında kararlı bir varyansa sahip olan ve herhangi bir aktivasyon fonksiyonuna uygulanabilen bir başlatma yöntemi türeterek önceki başlatma yöntemlerini geliştiriyoruz. Bunun, önceki birçok başlatma yöntemini genelleştirdiğini ve iyi incelenmiş aktivasyonlar için daha da iyi bir kararlılığa sahip olduğunu gösteriyoruz. Ayrıca, başlangıç yöntemimizin çoklu sinyal modalitelerinde INR aktivasyon fonksiyonlarıyla daha iyi sonuçlar sağladığını da gösteriyoruz. Yaklaşımımız özellikle Gauss INR'ler için etkilidir; burada, başlangıç yöntemimizin teorisinin çoklu deneylerde görev performansı ile uyumlu olduğunu göstererek, görüntü, ses ve 3D yüzey rekonstrüksiyonunda iyileştirmeler elde etmemizi sağlıyoruz.
