★ 2
自适应覆盖与聚焦采样的神经场学习
论文提出 ACES 结构化采样框架，通过解耦覆盖与重要性提升隐式神经表示的训练效率，构建自适应空间划分并施加区域级重要性加权。理论分析表明自适应划分可降低梯度方差，实验显示其收敛更快、误差更低。
arXiv cs.LG28 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 ACES 结构化采样框架，通过解耦覆盖与重要性提升隐式神经表示的训练效率，构建自适应空间划分并施加区域级重要性加权。理论分析表明自适应划分可降低梯度方差，实验显示其收敛更快、误差更低。