蕭簫 發自 凹非寺量子位 報導 | 公眾號 QbitAI
一個來自斯坦福團隊研究的、名為SIREN的簡單神經網絡結構，剛引爆了機器學習圈。
不為別的，實在是因為它展現出來的音/視頻及圖像復原效果，太令人驚嘆了（效果展示中，Ground Truth為原始視頻、音頻或圖像數據）。
視頻中對一隻貓咪的動態進行了還原，可以看見，使用SIREN重構的貓咪明顯具有更高的清晰度。
從圖中就能看見，SIREN對音頻的還原幾乎可以用「完全一致」來形容。
對於圖像的還原，SIREN的效率有點高，視頻中可見，SIREN以極少的迭代次數將圖像高度還原了出來。
要問為什麼這個神經網絡架構能表現出這麼好的效果？
接著往下看。
以連續的方式存儲圖像數據
在採樣的過程中，我們所獲得的的數據往往是離散的，這也就意味著，在還原圖像時，需要通過插值的方式來對圖像進行表示。
不僅如此，以離散的形式存儲大量原始數據也需要佔據一定的空間。
SIREN在這個方向上進行了突破，通過採用周期性激活函數Sine代替常見的非線性激活函數（如ReLU、TanH等），以連續的方式進行數據存儲。
相比於ReLU、TanH等非周期性的激活函數來說，SIREN將正弦周期函數用作激活函數，相當於為神經網絡引入了周期性。
由於周期性的正弦激活函數處處可微，使得其能夠快速適應複雜信號，很好地對自然圖像空間進行參數化，建模更為精細。
這不僅意味著函數能以連續的方式表示圖像，而且能在不丟失任何信息的情況下，以任一種解析度表示它。
不僅圖像如此，在3D模型上也是如此。照這樣看，是不是可以3D修復建築物了？
△ 建模效果就像精裝房對比毛坯房一樣
即使原始數據顯然是離散的，通過連續的方式存儲數據也有一個好處，就是不必再擔心採樣的問題。
這對於數據壓縮和圖像修復研究的影響不可忽視。
基於梯度的監督學習
有沒有想過對神經網絡中函數的導數進行監督學習？
SIREN就這麼做了。
之所以它能這麼做，是因為其所採用的正弦激活函數，導數仍然具有周期性（餘弦函數），即SIREN的導數仍然是SIREN。
因此，SIREN的導數繼承了SIREN的特性。這使得在進行監督學習時，我們能夠使用複雜的信號來對SIREN的任何階次的導數進行監督。
下圖是SIREN對海星圖像採用梯度或Laplacians（綠色下劃線表示採用的監督方式）進行監督學習的效果。
與圖左的真值相比，這兩種方式的重構效果都不錯，其中中間的圖像是採用梯度監督、針對原圖進行的重構，而右邊的圖像則是採用Laplacians監督、針對圖像導數進行的重構。
結果證明了當使用導數監督SIREN時，其仍然有良好的表現，這項結論對於解決邊值問題（BVP）的效果非常好。
不僅如此，SIREN相較於其他結構而言，收斂速度更快，往往只需要在GPU上花費幾秒鐘，就能獲得高保真的圖像重構效果。
是突破性創新還是有所局限？
別忘了，周期性正弦激活函數是在隱式表示神經網絡的基礎上使用的。
隱式表示，與之相對的是顯性表示，後者函數的表達式只用自變量表示，前者則無法將函數與自變量很好地區分開來。
隱式表示舉例：f（x）= [f（x）]^2 + x，表達式中仍然包含f（x）
顯式表示舉例：f（x）= x + 2
相較於顯式神經表示，隱式神經表示的研究近年來逐漸興起，這種函數能表達的關係式更豐富多樣，但與此同時也存在著建模不夠精細的問題。
此次斯坦福團隊的研究可以說是在隱式神經表示領域內的一次突破，採用了周期性激活函數和適當的初始化方案，取得了不錯的效果。
研究成果剛出來時，不少網友在Twitter上對這次研究作出了評論，其中大部分表示驚嘆。
這位網友顯然對這次的研究成果非常狂熱。
震驚！必讀！沒時間解釋了，快上車！這是Vincent 無與倫比的作品！
有的網友已經開始重新考量ReLU在當今神經網絡中的地位。
這種周期性正弦激活函數會成為新的「ReLU」嗎？
也有網友表示，相較於整篇論文的研究成果，將正弦激活函數用於神經網絡這個觀點，對機器學習領域的影響顯然更大。
相較於這篇拙劣的論文所進行的研究，將正弦激活用於神經網絡的想法對機器學習的影響應該更大吧。
也有網友認為這次研究依舊具有局限性。
以正弦激活的神經網絡展現的結果令我驚訝，特別是與舊的ReLU相比，它可以非常精確地表示圖像和視頻。但是，與SOTA AFAIK相比，以這種方式表示神經PDE仍然效果不佳。
在Reddit上，一名網友在對論文進行仔細研讀後，更是毫不留情地提出了自己的質疑。
我認為論文中有許多難以解釋的漏洞，以至於極大地降低了結論的可信度……（舉出6點質疑）我的看法是，儘管這篇論文給我帶來了新奇感，但作者實際上並沒有將太多心思放在論文觀點的證明、以及判斷研究成果的實用價值上。
立刻有網友表示同意。
這些用MNIST或CelebA數據集作為測試結果的圖像重構論文都非常具有誤導性，沒有實例能證明這些神經網絡算法可以用於實際生活中的圖像處理。
由此看來，這項研究的實際應用價值，也許還需要更多的考量。
目前，已經有專業的網友對論文進行了詳細解析，在不到一個小時的時間裡，清晰易懂地介紹了論文核心內容。
論文解析時間軸如下，如果你對其中某一部分感興趣的話，可以了解一下~（視頻連結在文章末尾哦）
0:00 - 概要介紹2:15 - 隱式神經表達9:40 - 圖像示例14:30 - SIREN網絡18:05 - 初始化方案20:15 - SIREN導數23:05 - 泊松圖像重構28:20 - 泊松圖像編輯31:35 - 符號距離函數（SDF）45:55 - 研究網站48:55 - 其他應用50:45 - SIREN中的超網絡54:30 - 廣泛影響
研究團隊
△ Vincent Sitzmann
主作者Vincent Sitzmann是剛畢業於史丹福大學的博士，目前在麻省理工學院攻讀博士後，主要研究的方向包括神經場景表示、計算機視覺和深度學習。
這是一個人均博士水平的研究團隊，對於計算機視覺方向的研究非常深入。
在計算機視覺日漸發達的今天，行業希望機器達成的遠不僅是「像照相機一樣，能夠對圖像進行簡單的二維複製」，而是像人類一樣，能夠擁有視覺感知能力。
傳送門
論文連結https://arxiv.org/pdf/2006.09661.pdf
項目介紹https://vsitzmann.github.io/siren/
論文解析https://www.youtube.com/watch?v=Q5g3p9Zwjrk&feature=youtu.be