NeRF
#paper
#CV
Positional Encoding
低周波成分である
$ (x,y,z,\theta,\phi)
から高周波成分である
$ (R,G,B,D)
を復元するため, 以下に示す
Positional Encoding
を通したあとに
MLP
に入力
$ \gamma(t) = (\sin(2^0t\pi), \cos(2^0t\pi), \cdots, \sin(2^Lt\pi), \cos(2^Lt\pi))
この機構を
NTK
によって実験した論文→
Fourier Features Let Networks Learn High Frequency Functions in Low Dimensional Domains
この
Positional Encoding
はフーリエ特徴量とも呼ばれるらしい (要出典)
Transformer
におけるPEとは用途が違うということを論文中では強調しているので注意
https://gyazo.com/b48cba676173ec2a3adeea0810d38fe5
https://blog.albert2005.co.jp/2020/05/08/nerf/
https://www.matthewtancik.com/nerf
https://bmild.github.io/fourfeat/index.html