LSA：可学习频谱激活函数改进隐式神经表示

研究者提出可学习频谱激活函数（LSA），用残差截断傅里叶级数替代固定的神经元级非线性，谐波幅值在训练中学习。LSA 不扩展渐近函数类，而是改变表示的因子分解方式，使线性权重选择特征、激活系数控制频谱整形，两者由独立梯度更新。在音频、图像、神经辐射场和神经声场任务上，LSA 均提升了重建质量。