傅里叶特征

面向隐式神经表示的内容感知频率编码与傅里叶-切比雪夫特征

Content-Aware Frequency Encoding for Implicit Neural Representations with Fourier-Chebyshev Features

CAFE 用多个并行线性层经 Hadamard 积合成可学习的频率基，替代固定傅里叶基，可直接替换 NeRF、SIREN 类隐式表示中的位置编码模块，缓解谱偏置、提升高频细节重建；CAFE+ 再叠加切比雪夫特征作为互补，为视觉中的坐标型 MLP 提供更稳定的频率表征方案。