arXiv · Machine Learning· Sheng Zhang, Xinyi Wang, Maolin Wang, Xiangyu Zhao·· 8 小时前AI 评分36
TensorSSM：基于动态状态空间模型记忆空间位置的张量核心生成方法
TensorSSM: Memorizing Spatial Position in Dynamic State Space for Tensor Core Generation
AI 导读
TensorSSM 提出一种用于张量分解的隐式神经表示（INR）方法，通过动态状态空间模型（SSM）记忆空间位置，提升高维张量压缩的表达能力。该方法采用 K-ary 规则将各维坐标分解为由粗到细的序列，并扩展状态空间以显式建模跨维空间依赖。实验表明，TensorSSM 在多种张量数据集上实现了较高的重建精度和存储效率。
来源：arXiv · Machine Learning · arxiv.org