論文の概要: Image Deformation Estimation via Multi-Objective Optimization
- arxiv url: http://arxiv.org/abs/2106.04139v1
- Date: Tue, 8 Jun 2021 06:52:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-09 15:56:11.749208
- Title: Image Deformation Estimation via Multi-Objective Optimization
- Title（参考訳）: 多目的最適化による画像変形推定
- Authors: Takumi Nakane, Xuequan Lu, Haoran Xie, Chao Zhang
- Abstract要約: 自由形変形モデルは、画像上の制御点格子を操作することにより、幅広い非剛体変形を表現することができる。
フィットネスランドスケープの複雑さのため,変形画像にモデルを直接適合させることは困難である。
- 参考スコア（独自算出の注目度）: 13.159751065619544
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The free-form deformation model can represent a wide range of non-rigid
deformations by manipulating a control point lattice over the image. However,
due to a large number of parameters, it is challenging to fit the free-form
deformation model directly to the deformed image for deformation estimation
because of the complexity of the fitness landscape. In this paper, we cast the
registration task as a multi-objective optimization problem (MOP) according to
the fact that regions affected by each control point overlap with each other.
Specifically, by partitioning the template image into several regions and
measuring the similarity of each region independently, multiple objectives are
built and deformation estimation can thus be realized by solving the MOP with
off-the-shelf multi-objective evolutionary algorithms (MOEAs). In addition, a
coarse-to-fine strategy is realized by image pyramid combined with control
point mesh subdivision. Specifically, the optimized candidate solutions of the
current image level are inherited by the next level, which increases the
ability to deal with large deformation. Also, a post-processing procedure is
proposed to generate a single output utilizing the Pareto optimal solutions.
Comparative experiments on both synthetic and real-world images show the
effectiveness and usefulness of our deformation estimation method.
- Abstract（参考訳）: 自由形変形モデルは、画像上の制御点格子を操作することにより、幅広い非剛体変形を表現することができる。
しかし, 多数のパラメータを考慮し, 自由形変形モデルを直接変形画像に適合させることは, フィットネスランドスケープの複雑さから困難である。
本稿では,各制御点の影響を受ける領域が重なり合うという事実に基づき,多目的最適化問題(MOP)として登録タスクをキャストする。
具体的には、テンプレート画像を複数の領域に分割し、各領域の類似度を独立に測定することにより、複数の目的を構築し、MOEAを用いてMOPを解くことで変形推定を実現する。
さらに、画像ピラミッドと制御点メッシュ分割を組み合わせた粗大な戦略を実現する。
具体的には、現在の画像レベルの最適化された候補解を次のレベルに継承し、大きな変形に対処する能力を高める。
また,パレート最適解を用いた単一出力を生成するための後処理手法を提案する。
合成画像と実世界の画像の比較実験により, 変形推定法の有効性と有用性を示した。
関連論文リスト
- SphereDiffusion: Spherical Geometry-Aware Distortion Resilient Diffusion Model [63.685132323224124]
制御可能な球状パノラマ画像生成は、様々な領域でかなりの応用可能性を持っている。
本稿では,これらの課題に対処するために,SphereDiffusionの新しいフレームワークを提案する。
Structured3Dデータセットの実験では、SphereDiffusionは制御可能な球面画像生成の品質を大幅に改善し、平均して約35%のFIDを相対的に削減している。
論文 参考訳（メタデータ） (2024-03-15T06:26:46Z) - Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。
本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。
心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
論文 参考訳（メタデータ） (2024-01-04T08:46:39Z) - RecRecNet: Rectangling Rectified Wide-Angle Images by Thin-Plate Spline
Model and DoF-based Curriculum Learning [62.86400614141706]
我々はRecRecNet(Rectangling Rectification Network)という新しい学習モデルを提案する。
我々のモデルは、ソース構造をターゲット領域に柔軟にワープし、エンドツーエンドの非教師なし変形を実現する。
実験により, 定量評価と定性評価の両面において, 比較法よりも解法の方が優れていることが示された。
論文 参考訳（メタデータ） (2023-01-04T15:12:57Z) - A Model for Multi-View Residual Covariances based on Perspective
Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。
我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文 参考訳（メタデータ） (2022-02-01T21:21:56Z) - A training-free recursive multiresolution framework for diffeomorphic
deformable image registration [6.929709872589039]
変形可能な画像登録のための新しい微分型学習自由アプローチを提案する。
提案するアーキテクチャは設計上は単純で,各解像度で移動像を順次ワープし,最終的に固定像に整列する。
システム全体はエンドツーエンドで、スクラッチから各2つのイメージに最適化されている。
論文 参考訳（メタデータ） (2022-02-01T15:17:17Z) - Stochastic Planner-Actor-Critic for Unsupervised Deformable Image
Registration [33.72954116727303]
本稿では,大きく変形する医療画像の段階的登録を行う,新しい強化学習ベースのフレームワークを提案する。
本手法は2次元および3次元の医用画像データセットを用いて評価し,その一部は大きな変形を含む。
論文 参考訳（メタデータ） (2021-12-14T14:08:56Z) - A unifying framework for $n$-dimensional quasi-conformal mappings [2.064612766965483]
我々は、$n$次元の準等角写像を計算するための統一的なフレームワークを開発する。
具体的には、準等角歪み、体積歪み、ランドマーク対応、強度ミスマッチ、ボリューム先行情報を統合する変分モデルを提案する。
論文 参考訳（メタデータ） (2021-10-20T09:04:41Z) - ResNet-LDDMM: Advancing the LDDMM Framework Using Deep Residual Networks [86.37110868126548]
本研究では,eulerの離散化スキームに基づく非定常ode(フロー方程式)の解法として,深層残留ニューラルネットワークを用いた。
複雑なトポロジー保存変換の下での3次元形状の多種多様な登録問題について述べる。
論文 参考訳（メタデータ） (2021-02-16T04:07:13Z) - Learning Deformable Image Registration from Optimization: Perspective,
Modules, Bilevel Training and Beyond [62.730497582218284]
マルチスケールの伝搬により微分同相モデルを最適化する,新しいディープラーニングベースのフレームワークを開発した。
我々は,脳MRIデータにおける画像-アトラス登録,肝CTデータにおける画像-画像登録を含む,3次元ボリュームデータセットにおける画像登録実験の2つのグループを実行する。
論文 参考訳（メタデータ） (2020-04-30T03:23:45Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。