热点事件持续更新

SWAP-INR：时变多变量数据高保真压缩新架构获WACV 2027接收

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

2026 年 11 月 3 日，Hyunsoo Son 等人发布论文《SWAP-INR：基于可切换注意力路径的隐式神经表示，用于时变多变量科学数据压缩》（arXiv: cs.lg），并标注该论文已被 WACV 2027 接收。 SWAP-INR 面向时变多变量模拟数据（如小型模块化反应堆 SMR 数据），提出一种高保真压缩架构：通过 SWAP 模块依据确定性判据路由变量并剪枝非活跃层，结合 A2-SIREN 实现通道级可学习调制，在受限内存占用下保持压缩竞争力。该架构还引入后训练 16-bit 量化以进一步降低内存开销，并在公开物理模拟数据集上取得 SOTA 性能，作为可切换注意力路径的隐式神经表示方法应用于多变量科学数据压缩场景。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月4日

13:00
arXiv · ML
SWAP-INR：基于可切换注意力路径的隐式神经表示，用于时变多变量科学数据压缩
SWAP-INR 提出了一种针对时变多变量模拟数据的高保真压缩架构，在小型模块化反应堆（SMR）数据集上实现了 SOTA 性能。该模型引入 SWAP 模块通过确定性判据路由变量并剪枝非活跃层，利用 A2-SIREN 实现通道级可学习调制。结合后训练 16-bit 量化，该架构在保持受限内存占用的同时，在公开物理模拟数据集上保持竞争力。

本事件热度走势

可比范围当前: 9
可比范围峰值: 911月4日 15:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。