Calibrated Harmonic Overlaid Implicit Neural Representations for Multi-Dimensional Data¶
会议: ECCV 2026
论文: ECCV 2026 官方页
代码: https://github.com/chorl0229/CHOIR
领域: 图像恢复
关键词: 隐式神经表示、频谱偏置、谐波叠加、1/f 幂律先验、多维数据恢复
一句话总结¶
CHOIR 把深度周期 INR 的「逐层函数复合」改造成「β 门控的加性谐波叠加」，并用自然图像的 1/f 幂律先验同时校准每个神经元的频率分布与输出幅度，使周期 INR 能稳定加深到 12–15 层，在 2D 图像拟合、NeRF 新视角合成以及高光谱/多光谱/视频的缺失补全与混合退化恢复上全面超过 SIREN、FINER、FreSh、LRTFR、CRNL 等基线。
研究背景与动机¶
用周期激活函数做隐式神经表示（INR）已经是多维数据表示的一条主线。以 SIREN 为代表的正弦激活网络能高效建模高频成分，此后研究者沿两条路继续改进：一条是位置编码，从高斯傅里叶特征、NeRF 的正弦编码，到 BACON / BANF 的带限设计、Instant-NGP 的多分辨率哈希、以及 FreSh 按输入数据自适应对齐频率初始化；另一条是激活函数设计，WIRE 用 Gabor 小波、FINER 用可变周期激活调频谱、SL2A-INR 用单层可学习激活、IGA-INR 通过诱导梯度调整抑制频谱偏置。这些工作让 INR 的高频拟合能力不断变强，但深度可扩展性始终没有被正面解决，与自然图像统计相匹配的频谱校准也仍是空白。
问题出在两个结构性的地方。其一，这些网络无一例外采用逐层函数复合 \(\Phi_\theta=\phi_L\circ\cdots\circ\phi_1\)，反向传播要把各层的雅可比矩阵连乘起来，深度一上去就梯度消失或爆炸；可从谐波信号表示的角度看，理想的表示本该是各频率分量相加（即广义傅里叶级数），复合结构与叠加原理在结构上就不匹配——求和算子下学到的系数无法与一组基函数一一配对，谐波难以共存，反而诱发互相冲突的拟合行为、加重过拟合。其二，几乎所有 INR 都用同一个全局固定的频率缩放 \(\omega_0\) 约束全部神经元，网络的频率支撑集完全由初始化决定，与自然信号普遍遵循的 \(1/f\) 幂律统计不符；更麻烦的是参数梯度幅度正比于其对应频率，高频部分的更新步长远大于低频，训练容易震荡。这两点叠加的后果是：论文 Figure 1 的深度-学习率热力图显示，SIREN、FINER、FreSh 的 PSNR 都在很浅的层数（3–5 层）就到峰值，继续加深不但没有收益还明显掉点，而且对学习率相当敏感。
既然深度周期网络与广义傅里叶级数之间存在等价性（带偏置的正弦单元 \(\sin(\omega^\top v+b)\) 用三角恒等式就能拆成正弦/余弦基的线性组合），本文的切入角度是直接把复合换成「复合+叠加」的混合架构，让每一层贡献一个可选的谐波项；同时把 \(1/f\) 幂律先验作为物理校准写进频率分配，让频率的采样密度和输出的幅度衰减都由同一条幂律决定。核心 idea：用初值为 0 的可学习标量 \(\beta_l\) 把每层谐波模块变成可加性开关（CHS），再用对数均匀频率采样加幂律幅度调制，把这组谐波项的频谱直接校准到自然信号的 \(1/f\) 统计上（PSC），从而让周期 INR 可以放心加深。
方法详解¶
整体框架¶
CHOIR 的输入是归一化到 \([-1,1]^N\) 的坐标 \(\mathbf{v}\)（\(N\) 是数据维度：2D 图像为 2，多光谱/高光谱图像为 3，RGB 视频为 4，NeRF 的 5D 坐标则为 5），输出是该坐标处的 \(C\) 个通道值，网络写成 \(\Phi_\theta:\mathbb{R}^N\to\mathbb{R}^C\)。整条链路很短：先用一个线性层把坐标映射成初始隐状态 \(\mathbf{h}_0=\mathbf{W}^{(0)}\mathbf{v}+\mathbf{b}^{(0)}\)；然后串接 \(L\) 个结构相同的谐波模块，每个模块内部先由 PSC 校准过频率与幅度的正弦单元构成 \(\mathcal{F}_l\)，再由 CHS 的加性门控把 \(\beta_l\mathcal{F}_l(\mathbf{h}_l)\) 叠加回输入特征，得到 \(\mathbf{h}_{l+1}\)；最后用输出层把 \(\mathbf{h}_L\) 投到通道空间。训练时只把观测到的坐标送进网络算损失，未观测位置不参与监督，靠网络的连续性被「补」出来——所以整个方法不需要成对训练数据，换一个模态只要改坐标维度和输出通道数，结构完全不用动。
这个设计和常见周期 INR 的关键差别在于：SIREN 一类网络把 \(\mathbf{h}_{l+1}\) 写成 \(\phi_l(\mathbf{h}_l)\)，信息只能逐层嵌套地传下去；CHOIR 改成「复合 + 叠加」混合结构，输出端因此可以展开成一组显式的加性谐波项（后文公式 (2)），这正是它能与傅里叶级数对齐、并在深层保持稳定的原因。
关键设计¶
1. 协同谐波叠加（CHS）：用 β 门控把嵌套复合换成可选的加性谐波项
针对的就是前面那条「复合结构与信号叠加原理错配」的痛点。CHS 把每层的连接改成残差式的加性门控：
其中 \(\beta_l\) 是一个可学习标量且初始化为 0（这一手借鉴了 ReZero 的残差缩放思想）。初值为 0 意味着训练刚开始时 \(\mathbf{h}_L=\mathbf{h}_0\)，整个网络退化成一个简单的线性映射，整体雅可比矩阵极度稳定，优化从一个良态起点出发；随着训练推进，每个谐波项才按需被「打开」。把上式递归展开就得到网络的显式输出形式：
（⚠️ 缓存版公式 OCR 有损，此式按原文上下文重构，符号位置以原文为准。）等式右边第一项是零频分量，后面的求和就是一组被 \(\beta_l\) 调制的自适应谐波项——由于带偏置的正弦单元可拆成正弦/余弦正交基，这组项恰好对应广义傅里叶级数里的系数与基函数对，复合结构里丢失的「逐项配对」在这里被补回来了。
它为什么能稳住深层优化，论文给了一个很有画面感的解释：\(\beta_l\) 的梯度恰好是 \(\mathcal{F}_l(\mathbf{h}_l)\) 与下游梯度 \(\partial\mathcal{L}/\partial\mathbf{h}_{l+1}\) 的内积（链式法则直接得到）。也就是说，只有当某个谐波项的输出方向与负梯度方向对齐时，它的权重才会增长——这就是一个隐式的课程学习（implicit curriculum learning）机制：网络从最简单的模型起步，按「对拟合当前残差最有用」的顺序逐个激活谐波分量，把一个复杂优化分解成一串更简单的子问题。这也是 CHS 在消融里单独就能带来 5 dB 以上提升的原因（见实验部分）。
2. 感知频谱校准（PSC）：用 1/f 先验同时定频率分布与输出幅度
第二个痛点是「频率刚性」——所有神经元被同一 \(\omega_0\) 卡死、支撑集由初始化决定，且高频梯度步长过大。PSC 的做法是给第 \(l\) 层第 \(i\) 个神经元分配一个角频率 \(\omega_{l,i}\)，并让频率怎么铺和幅度怎么压两件事都服从同一条 \(1/f\) 幂律。
频率侧，先在归一化坐标域上取基频 \(\omega_{\min}=\pi\) 作为下界（\([-1,1]^N\) 上的最低频），上界理论上应是 Nyquist 频率 \(\omega_{\text{Nyq}}=\pi\cdot\min(D_1,\dots,D_N)/2\)，但论文明确不用它：这个频率对应的空间周期只剩两个采样点、彼此相位差 \(\pi\)，连续正弦会退化成符号交替序列，梯度极不稳；而且自然信号在该频段能量极低、对噪声和采样误差敏感，把容量分给它是浪费且容易放大误差。于是引入缩放因子 \(\gamma\)（由消融定为 \(1/8\)）：
在 \([\omega_{\min},\omega_{\max}]\) 区间内，\(d\) 个神经元的频率按几何级数（即对数轴等距）铺开：
相邻神经元满足 \(\Delta\omega\propto\omega\)，于是采样密度 \(\rho(\omega)\propto 1/\omega\)，正好对上自然图像的幂律谱 \(P(\omega)\propto 1/\omega\)——能量集中的低频段自动拿到更多神经元，高频只保留足够覆盖，容量分配直接由信号统计决定，不再由初始化随机决定。
幅度侧，按 \(P(\omega)\propto\omega^{-\alpha}\) 令振幅正比于功率谱密度的平方根，即 \(A\propto P^{1/2}\propto\omega^{-\alpha/2}\)，第 \(i\) 个单元的输出乘上一个幅度因子：
（⚠️ 缓存中该式 OCR 严重损坏，「频率同时充当该单元权重」这一写法按上下文重构，\(\sin\) 内部符号的确切位置以原文为准。）其中 \(\tilde{\omega}_l=\big(\prod_{j=1}^{d}\omega_{l,j}\big)^{1/d}\) 是该层频率的几何平均，初始化时算一次、之后固定；\(\alpha\) 是全局可学习的谱衰减率，初始化为 2.0。\(\alpha=2\) 时该层对权重 \(\mathbf{w}_{l,i}\) 的梯度范数正比于 \(\tilde{\omega}_l\cdot|\cos(\cdot)|\cdot\|\mathbf{h}_l\|_2\)，与频率本身无关——也就是高频单元不再因为频率大而在梯度上压倒低频单元，初始化时各频段的梯度期望被拉齐，这就是论文说的「naturally balanced training initialization」。训练过程中 \(\alpha\) 再自适应地去拟合目标信号的真实谱。总结起来，PSC 的「calibrated」有两层含义：既校准频率采样密度（log-uniform 网格），也校准幅度衰减（\(\omega^{-\alpha/2}\) 压缩），两者共享同一个幂律假设，物理上是自洽的；它同时收紧了求解空间并改善了优化地形的几何。
一个例子：一层里频率梯与幅度因子是怎么铺开的¶
以 MSI Flowers（下采样到 \(256\times256\times 31\)）为例，\(N=3\)、\(\min(D_1,D_2,D_3)=31\)，于是 \(\omega_{\text{Nyq}}=\pi\cdot 31/2\approx 48.7\)，取 \(\gamma=1/8\) 后 \(\omega_{\max}\approx 6.09\)，而下界 \(\omega_{\min}=\pi\approx 3.14\)——该层所有频率只落在约 \(1.94\) 倍的一个窄带里，相邻神经元的频率只比前一个高约 \(0.5\%\)，一层之内既铺得足够密、又不会失控地伸到噪声主导的高频。几何平均 \(\tilde{\omega}_l\approx\sqrt{3.14\times 6.09}\approx 4.37\)，\(\alpha=2\) 时幅度因子在 \(4.37/3.14\approx 1.39\)（最低频单元）到 \(4.37/6.09\approx 0.72\)（最高频单元）之间，整个频带内的幅度只被压缩了约两倍——低频被提权、高频被压，但压制幅度是克制的。相比之下对 House 图像（\(512\times768\times3\)，\(N=2\)）\(\omega_{\text{Nyq}}=256\pi\approx 804\)，\(\gamma=1/8\) 后 \(\omega_{\max}\approx 100.5\)，频率带跨了 32 倍，说明这套频率梯会随数据的采样率自动伸缩。
损失函数 / 训练策略¶
训练目标就是一个只作用于观测项的拟合问题。把目标张量参数化为连续映射 \(\Phi_\theta\) 后，求解的是
其中 \(\mathcal{Y}\) 是退化观测，\(\mathcal{P}_\Omega\) 是只保留可观测索引集 \(\Omega\) 中元素的投影算子，\(\ell\) 是随任务而定的逐样本损失。因为监督信号只来自观测项、缺失区域完全靠网络的连续性补出来，INR 在这里充当的是自监督先验而非学到的生成模型。实现上，所有频率 \(\omega_{l,i}\) 与几何平均 \(\tilde{\omega}_l\) 在训练前一次性算好并固定，权重与偏置按 SIREN 的方案初始化，\(\beta_l\leftarrow 0\)、\(\alpha\leftarrow 2.0\)，之后用 Adam（学习率 \(1\times10^{-4}\) 加权重衰减）只更新 \(\{\mathbf{W},\mathbf{b}\}\)、\(\{\beta_l\}\) 与 \(\alpha\)。默认深度取 \(L=12\)：论文 Figure 1 显示 15 层 PSNR 最高，12 层是性能与效率的折中。所有结果取 5 次独立运行的平均，硬件为两张 RTX A6000。另有一处值得注意的工程差异：混合退化场景下 LRTFR 等方法要按原始设置额外加 TV 正则来增强去噪和平滑，而 CHOIR 自带较强的隐式平滑先验，不需要任何任务特定的显式正则。
实验关键数据¶
主实验¶
评测指标为 PSNR (dB)、SSIM、LPIPS，另报参数量（Params, M）和运行时间（Time, s）。表 1 是两类表示能力实验：Kodak House 图像的 2D 拟合（\(512\times768\times3\)，同时含丰富低频与高频成分）和 NeRF Blender 合成数据集的 5D 新视角合成（8 个场景，每场景从训练集随机采 25 张下采样到 \(200\times200\) 用于训练）。
| 方法 | House 拟合 PSNR↑ | SSIM↑ | LPIPS↓ | NeRF Blender 8 场景平均 PSNR↑ |
|---|---|---|---|---|
| PEMLP (ACMMM 2021) | 26.611 | 0.745 | 0.308 | 27.29 |
| SIREN (NeurIPS 2020) | 31.071 | 0.911 | 0.085 | 27.97 |
| Gauss (ECCV 2022) | 27.830 | 0.859 | 0.220 | 27.86 |
| FINER (CVPR 2024) | 33.991 | 0.940 | 0.040 | 27.96 |
| SL2A-INR (ICCV 2025) | 32.470 | 0.910 | 0.082 | 29.24 |
| IGA-INR (ICML 2025) | — | — | — | 29.03 |
| FreSh (ICLR 2025) | 35.336 | 0.953 | 0.027 | — |
| CHOIR (Ours) | 38.153 | 0.970 | 0.015 | 31.01 |
（House 一列取自原文 Fig. 3；NeRF 平均列由笔者按原文 Table 1 的八个场景自行求均值，仅用于横向概览，非原文直接给出的数；IGA-INR 未参加 House 实验，FreSh 未参加 NeRF 实验。）
多维数据恢复分两族任务。缺失补全在 Random / Tube 两种缺失模式、OR \(\in\{10\%,30\%\}\) 下进行，数据集覆盖 HSI（Pavia University、Washington DC Mall、Urban）、MSI（CAVE 的 Cloth / Toys / Flowers）、灰度视频 Shop、RGB 视频 News、RGB 图像 Bird / Statue。表 2 摘取三个有代表性的设定：
| 数据集 / 缺失模式 | OR | CHOIR PSNR↑ | 最强基线 | 领先 |
|---|---|---|---|---|
| HSI WDC / Random | 0.10 | 46.475 | CRNL 44.212 | +2.26 |
| HSI WDC / Tube | 0.10 | 28.142 | CRNL 27.158 | +0.98 |
| MSI Flowers / Random | 0.10 | 41.316 | DRO-TFF 40.912 | +0.40 |
| MSI Flowers / Random | 0.30 | 50.395 | CRNL 48.604 | +1.79 |
| MSI Flowers / Tube | 0.30 | 33.465 | DRO-TFF 33.277 | +0.19 |
| Video News / Random | 0.10 | 33.502 | DRO-TFF 32.505 | +1.00 |
| Video News / Tube | 0.30 | 27.518 | DRO-TFF 27.402 | +0.12 |
第二族是混合退化恢复，三个渐进场景：Scene 1 加高斯噪声（\(\sigma=0.20\)），Scene 2 再叠加采样率 10% 的椒盐噪声，Scene 3 进一步随机剔除所有通道 3% 的整行和 3% 的整列来模拟传感器条带失效。表 3 摘取 Scene 1 与 Scene 3：
| 数据集 | Scene 1 PSNR↑ | Scene 3 PSNR↑ | 最强基线 (Scene 1) |
|---|---|---|---|
| HSI WDC | 31.242 | 30.595 | LRTFR 28.615 |
| HSI Pavia | 30.401 | 29.691 | LRTFR 28.212 |
| MSI Flowers | 33.094 | 32.605 | LRTFR 29.749 |
| MSI Cloth | 26.612 | 26.072 | LRTFR 26.076 |
| RGB Bird | 25.536 | 25.115 | SIREN 24.639 |
| RGB Statue | 25.534 | 25.175 | SIREN 24.464 |
值得注意基线强度的分布：HSI/MSI 上最强基线是带 TV 正则的 LRTFR，RGB 图像上则是 SIREN——也就是说 CHOIR 在没有任务特定正则、也没有低秩/非局部结构化先验的前提下，同时压住了两类完全不同的对手。
消融实验¶
在 MSI Flowers 上做核心组件消融，两个评测设定分别是 Random 缺失 OR=0.10 与混合退化的 Scene 3。
| 配置 | γ | Random OR=0.10 PSNR↑ | Scene 3 PSNR↑ | Params | Time/iter |
|---|---|---|---|---|---|
| Sine（基线） | — | 33.500 | 26.238 | 0.202M | 0.046s |
| Sine + CHS | — | 39.136 | 32.296 | 0.202M | 0.054s |
| Sine + PSC | 1.0 | 37.251 | 28.025 | 0.204M | 0.050s |
| Sine + PSC | 1/2 | 37.507 | 29.094 | 0.204M | 0.050s |
| Sine + PSC | 1/4 | 39.846 | 30.308 | 0.204M | 0.050s |
| Sine + PSC | 1/8 | 40.335 | 31.143 | 0.204M | 0.050s |
| Sine + PSC | 1/16 | 38.629 | 30.305 | 0.204M | 0.050s |
| CHOIR (CHS + PSC) | 1/8 | 41.316 | 32.605 | 0.204M | 0.064s |
关键发现¶
- CHS 是主要功臣，且它解决的确实是深度不稳定：只加 CHS，Random OR=0.10 从 33.500 涨到 39.136（+5.64 dB），Scene 3 从 26.238 涨到 32.296（+6.06 dB），提升幅度远大于只加 PSC 的 37.251。这与论文把「复合 vs 叠加的结构错配」列为首要症结的判断一致。
- γ 有明显的最优区间，两头都掉：\(\gamma\) 从 1.0 一路降到 1/8 时 PSNR 单调上升（37.251 → 40.335），但降到 1/16 反而掉到 38.629。\(\gamma\) 太大意味着上界逼近 Nyquist，容量被浪费在低能量、易受噪声污染的频段；太小则连必要的高频成分都够不着。最终取 \(\gamma=1/8\)。
- 两个组件是互补而非冗余：CHOIR 完整模型（41.316）比单独用 PSC（40.335）再高 0.98 dB、比单独用 CHS（39.136）高 2.18 dB。合理解释是 PSC 需要 CHS 提供的稳定深层骨架才能真正发挥作用——在浅层复合网络上，频率铺得再好也会被梯度病态拖累。
- 代价几乎可以忽略：从 Sine 到完整 CHOIR，参数量只从 0.202M 涨到 0.204M（+1%），单次迭代耗时从 0.046s 涨到 0.064s。频率网格与几何平均是一次性预计算并固定的，真正新增的可学习量只有一个全局标量 \(\alpha\) 和每层一个标量 \(\beta_l\)。
- 深度与学习率鲁棒性是全文最有说服力的证据（Fig. 1）：SIREN / FINER / FreSh 的 PSNR 在浅层即达峰值、加深即退化，而 CHOIR 的 PSNR 随深度单调上升并在 15 层取得最高值，同时对学习率（\(10^{-4}\) 到 \(5\times10^{-3}\)）的敏感度明显低于对比方法。
- NTK 给出了机理解释：初始化时 CHOIR 的 NTK 矩阵对角占优最强、非对角元素最弱，说明不同空间坐标之间的梯度更新更解耦，这正是它能捕捉高频细节的归纳偏置来源，与表示能力实验的结论相互印证。
- 优势不是均匀分布的：随机缺失和混合退化场景领先幅度最大（混合退化上比 LRTFR 高 2–3 dB），而 Tube（结构化整条缺失）场景优势明显收窄（MSI Flowers Tube OR=0.30 仅 +0.19 dB，Video News Tube OR=0.30 仅 +0.12 dB）。一个可能的解释是条带缺失留下的是大量低频结构信息，基线方法本身也够用，此时频谱校准带来的边际收益自然变小——论文只笼统表述为「全面 SOTA」，没有对这一点做讨论。
- 复杂度权衡占优（Fig. 6a）：在 HSI WDC 随机缺失 OR=0.10 上，CHOIR 以较少的参数量和较短的运行时间取得最高 PSNR；CRNL 精度接近但参数与耗时都大得多，SIREN / Gauss / WIRE 这类轻量方法参数虽少但 PSNR 明显偏低。
亮点与洞察¶
- 把「深度为什么不 work」归因到结构错配，然后直接换架构，而不是继续在激活函数上打补丁。这是全文最有价值的一步：以往工作都在调位置编码或激活形式，本文指出复合结构与叠加原理的矛盾是根因，CHS 就是针对这个根因的架构级修复。可复用之处在于——任何「堆深层数但效果不涨」的残差类结构，都值得问一句：瓶颈是容量不足，还是连接方式与它要表达的函数形式不匹配？
- β 初值为 0 + 内积梯度 = 隐式课程学习，这个机制可以整段搬走。因为 \(\beta_l\) 的梯度就是模块输出与下游梯度的内积，模块只有方向对齐才会被激活，网络自动按「对当前残差最有用」的顺序引入分量。它等价于一种无需额外调度器的自适应预热门控，很适合搬去多尺度特征融合、混合专家、扩散模型的多噪声尺度分支等任何「多个候选模块按需融合」的场景。
- 把「学什么频率」这个非凸难题换成两个低维可学习量，是本文最省钱的一手：频率网格、几何平均全部一次算好并冻结，只学一个全局 \(\alpha\) 和每层一个 \(\beta_l\)，参数量增幅不到 1%。相比 FINER 的变周期激活、STAF 的可训练傅里叶级数激活需要为每个神经元引入可学习频率，这种「网格固定 + 少量全局旋钮」的参数化在训练稳定性和开销上都更划算。
- 用同一条幂律同时约束频率密度和幅度，物理上自洽。log-uniform 采样给出 \(\rho(\omega)\propto 1/\omega\)，幅度调制给出 \(\omega^{-\alpha/2}\)，两者都源自 \(P(\omega)\propto\omega^{-\alpha}\) 这一个假设，并且 \(\alpha=2\) 时梯度期望与频率无关这一性质是解析可证的——这让整套设计不只是经验 trick，而有可检验的动机。
- 自监督带来的模态无关性：监督只来自观测项，换模态只需改坐标维度和输出通道数，同一套结构在 HSI（Pavia / WDC / Urban）、MSI（CAVE 三个场景）、灰度视频、RGB 视频、RGB 图像上都在用，这种「一个网络打穿多模态恢复」的通用性是它相对任务定制方法（LRTFR 的低秩因子、CRNL 的非局部自相似）的隐形成本优势。
局限与展望¶
- 作者承认的局限：实验只在规则网格采样的数据上做的，未来要扩展到点云、事件相机流、空间转录组这类非规则采样数据。这个局限比表面上更实——整套 PSC 都建立在规则网格上：频率上界 \(\omega_{\text{Nyq}}=\pi\cdot\min(D_1,\dots,D_N)/2\) 依赖各维采样点数 \(D_i\)，log-uniform 网格又依赖 \(N\) 个坐标轴是可分离的规则采样；一旦采样不规则，上界怎么定义、\(\gamma\) 怎么取都没有答案。
- 采样维度极低时 Nyquist 上界会失效，论文没有交代（笔者发现）：以 Video News（\(288\times352\times3\times10\)）为例，坐标维度 \(N=3\)、\(D=(288,352,10)\)，\(\min(D)=10\) 给出 \(\omega_{\text{Nyq}}=\pi\cdot10/2\approx15.7\)，取 \(\gamma=1/8\) 后 \(\omega_{\max}\approx1.96\) 已经低于下界 \(\omega_{\min}=\pi\)，频率区间直接翻转。论文没有说明这种极端采样比下 \(\gamma\) 或 \(\omega_{\min}\) 怎么处理（⚠️ 以原文为准，实现里可能另有约定），而恰恰是这类低采样维度数据上 CHOIR 的领先幅度最小（Tube 场景仅 +0.12 dB）。
- γ 是在单一数据集上选的：\(\gamma=1/8\) 只在 MSI Flowers 上做消融，随后被所有模态（视频、HSI、RGB 图像）复用，跨模态是否同样最优没有验证。考虑到表 2 中 HSI 与 MSI 的最优区间可能不同，把 \(\gamma\) 做成每层可学、或让它随观测率 OR 自适应（OR 越低、可见信息越少，最优 \(\gamma\) 大概率越小）是直接的改进方向。
- α 的「自适应」作用没有被单独拆开验证：Table 4 的 PSC 各行只报了 \(\gamma\) 的变化，\(\alpha\) 在这些变体里是否都固定为 2.0、训练中是否仍在更新，论文没有明说（⚠️ 以原文为准）。补一行「PSC + 固定 \(\alpha=2.0\)」就能把「频率网格的位置」与「幅度衰减的自适应」两个贡献分开归因。
- 深度只扫到 15 层：既然 CHS 声称解决了深层优化的根本障碍，那么它能在多深的地方失效本身就是必须回答的问题；只到 15 层就停在「性能-效率折中」上，没有给出可扩展性的边界。
- 改进思路：把每层固定的几何平均 \(\tilde{\omega}_l\) 改成随训练缓变的量（让整层的频带也能迁移），或者让 \(\gamma\)、\(\omega_{\min}\) 与观测率 \(\Omega\) 的密度挂钩，让频率校准同时吃进「信号统计先验」和「可用观测先验」两路信息。
相关工作与启发¶
- vs SIREN (NeurIPS 2020)：SIREN 建立了周期 INR 的理论框架，用正弦激活高效表达高频，但层间是纯函数复合、深度一上去就梯度病态（House 上仅 31.071 dB）。CHOIR 完整保留正弦单元，只把层间连接从复合改成加性叠加，同一任务上做到 38.153 dB，15 层时仍在上升。
- vs FINER (CVPR 2024)：FINER 用变周期激活实现灵活的频谱偏置调节，比 SIREN 强不少，但仍然依赖逐层嵌套复合，且频率分布仍由初始化决定，深度收益有限（House 33.991 dB）。CHOIR 的差别在于把频率的分布形状按 \(1/f\) 显式铺开、并额外做幅度压缩。
- vs FreSh (ICLR 2025)：两者都做「频率初始化对齐目标数据」，但 FreSh 只调整频率偏移量，不改变整个频率支撑集的分布形状与幅度衰减规律；CHOIR 的 log-uniform 网格与 \(\omega^{-\alpha/2}\) 幅度是从自然图像的谱统计直接推导出来的，House 上高出 2.82 dB（38.153 vs 35.336），是本文最直接的同类对手。
- vs MFN (ICLR 2021)：MFN 把乘性滤波直接作用在输入坐标上，也有基展开解释，但它仍是逐层嵌套的乘性调制，没有像 CHS 那样给出显式的加性叠加——论文明确把这一点当作自己的区分点。
- vs LRTFR / CRNL / DRO-TFF：这一线把 INR 当成连续因子函数嵌进张量低秩分解（LRTFR）、非局部自相似（CRNL）或 rank-1 张量函数分解（DRO-TFF）框架里，在随机缺失补全上非常强（CRNL 在 HSI WDC 随机 OR=0.10 达到 44.212 dB，接近 CHOIR），但代价是参数多、运行时间长，且混合退化下要靠 TV 正则补强去噪。CHOIR 不引入任何结构化先验，靠网络本身的谱校准取胜。这两条线其实正交——把 CHOIR 的谐波叠加骨架接到低秩/非局部先验上，很可能是下一个值得试的组合。
- vs IGA-INR (ICML 2025)：IGA-INR 通过诱导梯度调整缓解频谱偏置，是「改优化动力学」的思路；CHOIR 直接改网络函数形式并固定频率网格，只留 \(\alpha\) 一个可学的谱衰减旋钮。两者在 NeRF 上分别为 29.03 与 31.01（8 场景平均），说明在深层周期网络这条路上，结构改动比梯度层面的修正收益更大。
评分¶
- 新颖性: ⭐⭐⭐⭐ 把「深度周期 INR 不 work」归因到复合结构与叠加原理的结构错配并做架构级替换，角度清晰且有理论抓手；不过 β 残差门控借鉴 ReZero、\(1/f\) 先验在坐标网络中亦非全新概念，属于组合式创新。
- 实验充分度: ⭐⭐⭐⭐ 覆盖 2D 拟合 / NeRF / HSI / MSI / 视频 / RGB 六类数据与缺失补全、混合退化两族任务，另有深度-学习率鲁棒性扫描、NTK 分析与复杂度对比；不足是 \(\gamma\) 只在单数据集上选、\(\alpha\) 的自适应作用未被单独消融。
- 写作质量: ⭐⭐⭐ 动机链条（复合 vs 叠加、频率刚性）讲得很清楚，但缓存版公式排版损坏严重（式 1/2/4/8 均残缺），Fig. 2 与 Fig. 6 的关键信息只能在图中看，正文缺少足够的文字补充。
- 价值: ⭐⭐⭐⭐ 给出了「周期 INR 可以稳定加深」的可复用配方，两个模块合计只增加不到 1% 参数，对高光谱/多光谱/视频恢复这类缺少成对训练数据的任务有直接实用价值。