Matteo Fusconi, Alex Costanzino, Pierluigi Zama Ramirez, Luigi Di Stefano · 2026 · arXiv
DOI: 10.48550/arXiv.2610.31644 · open-access PDF
Learnable Representations (LRs) は、さまざまな種類の信号にパラメトリックな機能ファミリーを適合することができる。これらの新興のニューラルネイティブデータフォーマットは、そのコンパクトさ、解像度アグネシティズム、および直接のニューラル処理に敏感性のために科学コミュニティの関心を集めています。反対に、ギガピクセル画像は、さまざまな科学的、文化的、産業的分野でますます広く普及しています。この論文では、ギガベンチ(GigaBench)は、ギガピクセル画像を用いた LR を展開するための最初のベンチマークおよび実験的評価です。ギガベンチには、収集された画像
Machine translation (Meta M2M100); the English original follows.
Learnable Representations (LRs) can fit parametric families of functions to diverse kinds of signals. These emergent neural-native data formats are gathering interest in the scientific community due to their compactness, resolution-agnosticism and amenability to direct neural processing. On the other hand, gigapixel images are becoming increasingly widespread across a variety of scientific, cultural, and industrial domains. In this paper, we present GigaBench, the first benchmark and experimental evaluation focused on deploying LRs with gigapixel imagery. GigaBench includes images collected, a
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.31644, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange