연구진은 암묵적 신경 표현(INR)에서 조화로운 스펙트럼 풍부화를 위한 반복 메커니즘으로 사인 함수 반복을 연구했어요. 분석 결과 사인 함수 활성화는 조화로운 선 스펙트럼을 유도하며, 반복적인 펼쳐내기가 효과적인 스펙트럼 지지대를 어떻게 풍부하게 하는지에 대한 스펙트럼 설명을 제공해요. 이 원리를 공유된 사인 함수 블록으로 구현하여 잠재적 표현을 반복적으로 개선해요.
주요 연구는 이미지와 3D 표현 작업에서 검증되었으며, RGB 이미지 벤치마크에서 파라미터와 최적화 단계 수를 줄여 피드 포워드 기준선보다 높은 충실도를 달성했어요. 또한 초해상도, NeRF, SDF 작업으로 긍정적인 영향을 미쳐요.
연구 결과는 피드 포워드 INR, 비사인 함수 반복 변형, 평형 스타일의 사인 모델과 비교하여 검증되었으며, 반복적 구조를 통해 고품질 표현을 효율적으로 달성할 수 있음을 보여줘요.