CVPR 2023 精选论文学习笔记：Towards Scalable Neural Representation for Diverse Videos

最新推荐文章于 2025-10-26 14:37:12 发布
原创 最新推荐文章于 2025-10-26 14:37:12 发布 · 973 阅读 · 26 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#学习 #笔记 #人工智能 #机器学习 #gpu算力

本文介绍了一种名为D-NeRF的显式神经网络架构，用于视频理解。通过监督学习训练，D-NeRF在视频理解任务中表现出色，特别是在可扩展性和效率方面优于隐式神经表示。文章还强调了将视觉内容与运动信息分离的创新设计，以及其在多种任务上的先进表现。

基于 MECE 原则，我们给出以下四个分类标准：

分类标准 1：表示类型

隐式神经表示（INR）

隐式神经表示（INR）是一类神经网络架构，将场景或对象表示为从 3D

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【AI】深度学习在编码中的应用（11）
giszz的博客
01-22 1920
视觉数据的智能编码压缩技术仍处于快速发展阶段，其主要发展趋势反映在新架构、新内容和新场景三个维度。本文具体将从隐式神经表示、多模态视觉数据压缩和面向人机混合智能的编码三个方面展开梳理和学习。
【CVPR2022】论文列表与下载——PartFour
TomRen
06-12 3461
【CVPR2022】完整论文列表
（2025|ICML|丹麦技术大学，潜在扩散/LDM，隐式神经表示/INR，超网络）Hyper-Transforming LDM
qq_44681809的博客
07-04 1372
本文提出 LDMI，结合了 INR 的表达力与 LDM 的生成能力。HD 解码器使用 Transformer 架构支持概率建模，克服了 MLP 超网络的扩展性与确定性局限。LDMI 可灵活迁移已有模型至函数生成任务，适用于图像、3D、气候等多模态数据，支持高分辨率重建与生成
F-INR: Functional Tensor Decomposition for Implicit Neural Representations
最新发布
m0_68654818的博客
10-26 948
本文提出F-INR框架，通过函数张量分解重构隐式神经表示（INR），将高维数据分解为轻量级轴专用子网络。每个子网络学习低维数据组件，通过张量运算组合实现高效预测。F-INR兼容多种架构（MLP、SIREN等）和分解模式（CP、TT、Tucker），支持用户自定义秩以平衡速度与精度。实验表明，F-INR在视频任务上训练速度提升100倍，PSNR提高3.4dB，在图像压缩、物理模拟和3D重建等任务中均表现优异。该框架为高维信号建模提供了可扩展、灵活的解决方案。
论文阅读：（ICASSP 2022）SIGNAL COMPRESSION VIA NEURAL IMPLICIT REPRESENTATIONS
mqy19960330的博客
07-24 730
论文阅读：（ICASSP 2022）SIGNAL COMPRESSION VIA NEURAL IMPLICIT REPRESENTATIONS
10、隐式神经表示在图像压缩中的应用
ik67890123的博客
07-22 42
本文探讨了隐式神经表示（INRs）在图像压缩中的应用，提出了一种结合SIREN网络、位置编码与元学习初始化的新型压缩方法。该方法通过过拟合、量化、量化后优化和熵编码等步骤，显著提升了率失真性能，在柯达数据集上优于JPEG2000和传统RDAEs，并在3D形状压缩中超越Draco算法。实验表明，该方法具有良好的通用性、更高的压缩效率和更快的收敛速度，为实现通用源压缩提供了新思路。
【论文翻译】：（arxiv 2022）PS-NeRV: Patch-wise Stylized Neural Representations for Videos
mqy19960330的博客
12-01 859
(arxiv 2022) PS-NeRV: Patch-wise Stylized Neural Representations for Videos
CVPR 2021最全论文开放下载！附pdf下载链接！
中科院AI算法工程师的博客
06-18 1万+
CVPR 2021最全论文开放，附所有pdf下载链接！
【CVPR2022】论文列表与下载——PartTwo
TomRen
06-12 2894
CVPR2022完整论文列表
【CVPR2022】论文列表与下载——PartThree
TomRen
06-12 5201
【CVPR2022】完整论文列表
机器学习（五） 神经网络
May the Force be with you
07-14 1574
机器学习（五） 神经网络 1.单隐层神经网络 1.1 从输入层到隐藏层 连接输入层和隐藏层的是W1和b1。由X计算得到H十分简单，就是矩阵运算： H=X∗W1+b1 H=X*W1+b1 H=X∗W1+b1 1.2 从隐藏层到输出层 连接隐藏层和输出层的是W2和b2。同样是通过矩阵运算进行的： Y=H∗W2+b2 Y=H*W2+b2 Y=H∗W2+b2 通过上述两个线性方程的计算，我们就能得到最终的输出Y了，但是如果你还对线性代数的计算有印象的话，应该会知道：一系列线性方程的运算最终都可以用一个线性方程表示
将隐式神经表示（INR）用于2D图像
Paper weekly
03-12 8376
©PaperWeekly 原创 ·作者 | 张一帆学校 | 中科院自动化所博士生研究方向 | 计算机视觉以图像为例，其最常见的表示方式为二维空间上的离散像素点。但是，在真实世界中，我们看...
CVPR 2024 | 绝了！！最新 diffusion 扩散模型梳理！100+篇论文、40+研究方向！
热门推荐
idol24的博客
04-16 3万+
30个方向130篇！CVPR 2023最全AIGC论文30个方向！ICCV 2023 最全AIGC论文25个方向！CVPR 2022 GAN论文汇总35个方向！ICCV 2021 最全GAN论文汇总超110篇！CVPR 2021 最全GAN论文梳理超100篇！CVPR 2020 最全GAN论文梳理在最新的视觉顶会CVPR 2024会议中，涌现出大量基于生成式AIGC的CV论文，尤其是扩散模...
概述：隐式神经表示（Implicit Neural Representations，INRs）
本博客主要总结计算机视觉（三维人体重建）方向的相关知识，同时发布个人见解以及领域进展！
09-01 2万+
本文主要概述了隐式神经表示的相关内容，主要倾向于三维重建的应用。同时对隐式表示做了一个展开阐述。
论文阅读：（arXiv 2021）Implicit Neural Representations for Image Compression
mqy19960330的博客
06-17 1786
论文阅读：（arXiv 2021）Implicit Neural Representationsfor Image Compression
论文阅读：（arXiv 2021）Beyond Periodicity: Towards a Unifying Framework for Activations in Coordinate-MLP
mqy19960330的博客
06-13 942
Beyond Periodicity: Towards a Unifying Framework for Activations in Coordinate-MLPs （arXiv 2021）
Latent-INR: A Flexible Framework for Implicit Representations of Videos with Discriminative Semantic
qq_44199605的博客
01-06 179
隐式神经网络 (INRs) 已成为一种强大的表示形式，用于编码包括图像、视频、音频和场景在内的各种数据。针对视频，许多 INR 方法被提出用于压缩任务，最近的方法在编码时间、存储和重建质量方面表现出显著改进。然而，这些编码的表示缺乏语义意义，因此无法用于需要此类属性的下游任务（例如检索）。这成为 INR 视频相比传统编解码器的采用障碍，因为其仅在压缩方面具有优势。为了解决这一问题，我们提出了一个灵活的框架，该框架将视频 INR 的空间和时间方面解耦。通过学习每帧的潜在字典。
NeurIPS 2023 Spotlight | 通过贝叶斯隐式表征实现数据压缩
Paper weekly
01-15 276
©作者 |郭宗昱单位 |中国科学技术大学来源|IMCL研习社论文标题：Compression with Bayesian Implicit Neural Representations论文链接：https://arxiv.org/pdf/2305.19185.pdf在数字世界里，很多常见的数据类型都可以看作是一种特殊的连续函数形式，表征为隐式表征。例如，图像可以表征为将每个像素位置映射到对...
YOLOv8结合CVPR2024最新图像增强算法！让你的模型无惧风雨【含端到端推理脚本】
YOLOv8项目贡献者
04-17 4292
这tm才叫去雨！
CVPR2018精选oral论文集：深度学习与计算机视觉研究
**标题：** CVPR2018论文_oral_2 - **知识点：** - CVPR（Conference on Computer Vision and Pattern Recognition）是国际计算机视觉与模式识别领域的重要会议之一。 - Oral（口头报告）代表了CVPR会议中接受的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

结构化文摘

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值