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，我们看到的世界可以认为是连续的，或者近似连续。于是，可以考虑使用一个连续函数来表示图像的真实状态，然而我们无从得知这个连续函数的准确形式，因此有人提出用神经网络来逼近这个连续函数，这种表示方法被称为“隐式神经表示“ （Implicit Neural Representation，INR）。
本文挑选了近几年来 INR 用于 2D 图像的文章，对其发展做一个大致的介绍。
论文标题：
Implicit Neural Representations with Periodic Activation Functions
https://arxiv.org/abs/2006.09661
NeurIPS 2020
https://vsitzmann.github.io/siren/
2. X-Fields
论文标题：
论文链接：
收录会议：
项目地址：
3. LIIF
论文链接：
收录会议：
项目地址：
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢