인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
학술대회자료
Full-text
오류 신고하기해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
초록·키워드
Implicit Neural Representations (INR), utilizing neural networks to map coordinate inputs to attributes, have transformed signal processing and significantly advanced vision-related applications. The efficacy of INR hinges on the nonlinear activation functions within their Multilayer Perceptron (MLP) architectures. However, these models often sacrifice robustness in noisy real-world data scenarios. To address this, we propose a robust loss function for INR training that mitigates the impact of outliers. Our study demonstrates that this loss function significantly improves INR performance for image denoising tasks, adapting well to different activation functions. Experimental results show that our approach outperforms traditional mean square error objective, enhancing both stability and visual quality in noisy conditions.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-ECN-151-24-02-090142835
