号称替代MLP的KAN，在视觉任务中有哪些应用？

编辑：3DCV

添加小助理：dddvision，备注：方向+学校/公司+昵称，拉你入群。文末附行业细分群

扫描下方二维码，加入3D视觉知识星球，星球内凝聚了众多3D视觉实战问题，以及各个模块的学习资料：近20门视频课程(星球成员免费学习)、最新顶会论文、3D视觉最新模组、3DGS系列(视频+文档)、计算机视觉书籍、优质3D视觉算法源码等。想要入门3D视觉、做项目、搞科研，欢迎扫码加入！

0. 这篇文章干了啥？

Kolmogorov-Arnold网络（KAN）已经在深度学习领域被提出，并有可能替代多层感知机（MLPs）。Kolmogorov-Arnold网络（KAN）通过结合样条函数和MLPs的优点，其性能优于传统的多层感知机（MLPs），从而减轻了每种方法的缺点。KAN通过采用Kolmogorov-Arnold表示定理，提高了在广泛任务中的准确性，使它们能够有效地表示复杂的多元函数。由于KAN具有独特的架构，用可学习的激活函数替代了线性权重矩阵，因此它们在计算上比MLPs更高效。KAN的另一个最引人注目的优势是提高了可解释性，因为它