科学数据压缩新法 WIEN-INR，保留微小物理结构

bravo_abad · x · 2026-08-25

科学仪器产生的数据量已超出存储能力，但传统压缩方法常会丢弃包含物理关键信息的微小结构。Yuan Ni 等人提出 WIEN-INR，这是一种专为科学数据设计的神经表示方法。它利用隐式神经表示将巨大的体素阵列替换为学习坐标到信号值连续映射的神经网络。针对传统 INR 优先学习平滑低频结构导致高频特征丢失的问题，WIEN-INR 通过分解测量方式攻克了这一局限。