polynomial_nets

用多项式替代传统激活，以更少参数实现更强图像识别与生成

Π-nets（多项式神经网络）是CVPR'20论文的官方实现，并扩展至T-PAMI-21版本。该项目旨在用多项式函数替代传统神经网络中的非线性激活和权重组合，通过高阶多项式交互捕获特征间的复杂关系，从而提升模型表达能力。它解决了深层网络在图像分类、人脸验证、图像生成和网格表示学习等任务中参数效率低、可解释性差的问题。核心能力包括：支持多种多项式阶数和交互模式，提供灵活的架构配置；在图像分类上达到与ResNet相当精度但参数更少；在人脸验证和图像生成任务中展示出多项式特征的优势。代码基于PyTorch，包含训练和评估脚本，便于复现论文结果。项目处于早期阶段，文档和社区支持有限，但为研究多项式网络提供了完整基线。