Frequency-Aware Implicit Neural Representation for Multi-Dimensional Data Recovery

Ting-Wei Zhou

doi:10.1109/TCSVT.2025.3575475

Frequency-Aware Implicit Neural Representation for Multi-Dimensional Data Recovery

2025-06-02

0

PRE

AI

DOI：10.1109/TCSVT.2025.3575475

原文链接

原文求助

摘要

En 中文

隐式神经表示（INR）已作为一种强大的数据表示方式出现（例如多光谱图像和视频）。先前，大多数INR方法直接在原始空间中表示数据。然而，由于不同频率成分在原始空间中混合，难以同时准确捕捉这些频率成分。为缓解此限制，我们提出了一种新的频率感知隐式神经表示（FA-INR），通过巧妙引入额外的频率维度，在具有物理可解释性和可学习性的频率空间中工作，这使得我们能够轻松解耦和调制不同频率成分，从而以分治方式更准确地表征不同频率成分。具体而言，FA-INR由两个重要模块组成，即频率模块和积分模块。在频率模块中，我们提出了一种新的低秩张量频率函数，以紧凑且连续的方式表示潜在频率空间。在积分模块中，不同频率成分被自适应地积分回原始空间。在包括多光谱图像、彩色视频和光场数据在内的各种多维数据上的大量实验表明，所提出的FA-INR显著优于当前最先进的INR方法，特别是在表征高频成分（例如纹理和边缘）方面。

Keyword:

Implicit neural representation

tensor function

multi-dimensional data recovery

Frequency-Aware Implicit Neural Representation for Multi-Dimensional Data Recovery

摘要

期刊

机构

引用论文