본 논문은 이미지, 오디오, 3D 장면과 같은 신호를 표현하기 위한 새로운 암시적 신경 표현(INR) 프레임워크인 Neural Spectral Transport Representation (NSTR)을 제안합니다. 기존 INR 프레임워크와 달리 NSTR은 공간적으로 변동하는 국부 주파수 필드를 명시적으로 모델링합니다. NSTR은 학습 가능한 주파수 수송 방정식(PDE)을 도입하여 공간에 따른 국부 스펙트럼 구성의 변화를 관리합니다. 학습 가능한 국부 스펙트럼 필드 $S(x)$와 주파수 수송 네트워크 $F_\theta$를 사용하여, NSTR은 전역 사인파 기반을 공간적으로 변조하여 신호를 재구성합니다. 이는 강력한 국부 적응성을 제공하며, 주파수 흐름 시각화를 통해 새로운 수준의 해석 가능성을 제공합니다. 2D 이미지 회귀, 오디오 재구성 및 암시적 3D 형상에 대한 실험에서 NSTR은 SIREN, Fourier-feature MLPs, 및 Instant-NGP보다 훨씬 더 나은 정확성-매개변수 trade-off를 달성했습니다.
