awesome-implicit-representations: 隐式神经表示精选资源清单

简介：
Awesome-Implicit-Representations是一个全面收集隐式神经表示相关资源的项目。它为研究者和开发者提供了一个方便的入口，涵盖了论文、代码库及教程等内容，助力于这一领域的学习与创新。 很棒的隐式神经表示精选资源清单给了我很多启发。这份清单并不旨在面面俱到，因为隐式神经表示是一个快速发展的研究领域，已有数百篇相关论文问世。相反，该列表意在展示介绍跨应用领域的关键概念与基础理论的重要文献。如果您想涉足这一领域，这将是一份不错的阅读推荐！对于大多数文章，我会简要概述它们的主要贡献。 我也是以下论文的作者之一：《什么是隐式神经表示？》 隐式神经表示（有时也称为基于坐标的表示）是一种新颖的方法来参数化各种信号。传统上，信号通常以离散形式存在——例如图像由像素网格构成、音频信号是振幅样本序列、3D形状则常通过体素或点云等结构进行描述。然而，隐式神经表示将这些信号视为连续函数的输出结果，该函数接受坐标作为输入（如图像是基于其每个像素的位置）并返回相应的值（例如RGB颜色）。尽管如此，这类函数通常在数学处理上较为复杂且难以直接解析。