#116
summarized by : Hiroaki Aizawa
Learned Initializations for Optimizing Coordinate-Based Neural Representations

どんな論文か?

NeRFを始めとする連続的な座標表現(implicit表現)は注目を集めているが,この表現をランダムに初期化された重みから最適化することは非効率であり,データの収集コストが高い.この研究では,implicitな座標表現を扱うMLPの初期重みをメタ学習(MAMLとReptile)から獲得することでこの問題を解決する.
placeholder

新規性

これまではあるネットワークの重みを出力する別のネットワーク(Hypernetwork)や勾配ベースのメタ学習から重みを決定するアプローチがあったがSDFなどの特定の表現に限られていた.一方で,この手法はMLPによってパラメータ化されたimplicit表現の重みをメタ学習によって決定するアイデアは共有しつつも,多種の信号へ適用可能な枠組みを提案したことが新しい.

結果

implicit表現による画像回帰やShapeNetの新規視点画像生成で性能評価.結果として,与えられた信号が部分的な観測であっても,より優れた汎化を達成し,学習した初期重みがターゲットのクラスの事前知識として働くことを示唆する結果を示した.

その他(なぜ通ったか?等)