Fugu-MT 論文翻訳(概要): Metamorphic image registration using a semi-Lagrangian scheme

論文の概要: Metamorphic image registration using a semi-Lagrangian scheme

arxiv url: http://arxiv.org/abs/2106.08817v1
Date: Wed, 16 Jun 2021 14:29:08 GMT
ステータス: 処理完了
システム内更新日: 2021-06-17 17:21:08.981320
Title: Metamorphic image registration using a semi-Lagrangian scheme
Title（参考訳）: 半ラグランジアンスキームを用いた変成像登録
Authors: Anton Fran\c{c}ois, Pietro Gori, Joan Glaun\`es
Abstract要約: 測地線撮影のための半ラグランジアンスキームを用いた大変形拡散度距離マッピング(LDDMM)と変態画像登録の実装を提案する。画像登録において,半ラグランジュ型スキームの使用は標準ユーレリア型スキームよりも安定であることを示す。
参考スコア（独自算出の注目度）: 2.023920009396818
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we propose an implementation of both Large Deformation Diffeomorphic Metric Mapping (LDDMM) and Metamorphosis image registration using a semi-Lagrangian scheme for geodesic shooting. We propose to solve both problems as an inexact matching providing a single and unifying cost function. We demonstrate that for image registration the use of a semi-Lagrangian scheme is more stable than a standard Eulerian scheme. Our GPU implementation is based on PyTorch, which greatly simplifies and accelerates the computations thanks to its powerful automatic differentiation engine. It will be freely available at https://github.com/antonfrancois/Demeter_metamorphosis.
Abstract（参考訳）: 本稿では,測地線撮影のための半ラグランジュ的スキームを用いて,大変形拡散度メトリックマッピング(LDDMM)と変態画像登録の両方の実装を提案する。本稿では,コスト関数を単一かつ統一的に提供する不正確なマッチングとして,両問題を解くことを提案する。画像登録において,半ラグランジュ型スキームの使用は標準ユーレリア型スキームよりも安定であることを示す。当社のGPU実装はPyTorchをベースにしており、強力な自動微分エンジンのおかげで計算を大幅に単純化し、高速化しています。それはhttps://github.com/antonfrancois/demeter_metamorphosisで無料で利用できる。

関連論文リスト

GaussianToken: An Effective Image Tokenizer with 2D Gaussian Splatting [64.84383010238908]
本稿では,2次元ガウススプラッティングを解法とする効果的な画像トークン化手法を提案する。一般に、我々のフレームワークは、2次元ガウス分布の局所的な影響を離散空間に統合する。 CIFAR, Mini-Net, ImageNet-1K 上での競合的再構成性能は,我々のフレームワークの有効性を示す。
論文参考訳（メタデータ） (2025-01-26T17:56:11Z)
Gravity-aligned Rotation Averaging with Circular Regression [53.81374943525774]
我々は,重力方向をグローバルパイプラインの回転平均位相に統合する原理的アプローチを導入する。 4つの大規模データセットで最先端の精度を実現する。
論文参考訳（メタデータ） (2024-10-16T17:37:43Z)
A Robust and Interpretable Deep Learning Framework for Multi-modal Registration via Keypoints [10.913822141584795]
ディープラーニングベースの画像登録フレームワークであるKeyMorphを紹介する。 KeyMorphは対応するキーポイントを自動的に検出する。我々は現在の最先端手法を超越した登録精度を示す。
論文参考訳（メタデータ） (2023-04-19T19:35:25Z)
Sliding at first order: Higher-order momentum distributions for discontinuous image registration [5.987650121126747]
そこで本研究では,すべり動作をキャプチャする変形可能な画像登録手法を提案する。大規模変形微分型メートル法 (LDDMM) の登録法は, 平滑な反りを生じるため, すべり運動の表現が困難である。
論文参考訳（メタデータ） (2023-03-14T09:42:49Z)
Anatomy-aware and acquisition-agnostic joint registration with SynthMorph [6.017634371712142]
アフィン画像登録は、医用画像解析の基盤となっている。ディープラーニング(DL)メソッドは、画像対を出力変換にマッピングする関数を学ぶ。ほとんどのアフィン法は、ユーザが調整したい解剖学に依存しない。つまり、アルゴリズムが画像のすべての構造を考慮すれば、登録は不正確なものになる。われわれはこれらの欠点をSynthMorphで解決する。これは高速で対称で、微分型で使い易いDLツールで、任意の脳画像の関節アフィン変形性登録を行う。
論文参考訳（メタデータ） (2023-01-26T18:59:33Z)
Fast and Robust Non-Rigid Registration Using Accelerated Majorization-Minimization [35.66014845211251]
非剛性登録は、ターゲット形状と整合する非剛性な方法でソース形状を変形させるが、コンピュータビジョンにおける古典的な問題である。既存のメソッドは通常$ell_p$型ロバストノルムを使用してアライメントエラーを測定し、変形の滑らかさを規則化する。本稿では、アライメントと正規化のためのグローバルなスムーズなロバストノルムに基づく、ロバストな非剛体登録のための定式化を提案する。
論文参考訳（メタデータ） (2022-06-07T16:00:33Z)
A Unified Framework for Implicit Sinkhorn Differentiation [58.56866763433335]
暗黙の微分によってシンクホーン層の解析勾配を求めるアルゴリズムを提案する。特にGPUメモリなどのリソースが不足している場合には,計算効率が向上する。
論文参考訳（メタデータ） (2022-05-13T14:45:31Z)
Hybrid Model-based / Data-driven Graph Transform for Image Coding [54.31406300524195]
予測内残差ブロックを符号化するハイブリッドモデルベース/データ駆動方式を提案する。変換行列の最初の$K$固有ベクトルは、安定性のための非対称離散正弦変換(ADST)のような統計モデルから導かれる。 WebPをベースライン画像として使用することにより、我々のハイブリッドグラフ変換は、デフォルトの離散コサイン変換(DCT)よりもエネルギーの圧縮が良く、KLTよりも安定性がよいことを示す。
論文参考訳（メタデータ） (2022-03-02T15:36:44Z)
Nesterov Accelerated ADMM for Fast Diffeomorphic Image Registration [63.15453821022452]
ディープラーニングに基づくアプローチの最近の発展は、DiffIRのサブ秒間実行を実現している。本稿では,中間定常速度場を機能的に構成する簡易な反復スキームを提案する。次に、任意の順序の正規化項を用いて、これらの速度場に滑らかさを課す凸最適化モデルを提案する。
論文参考訳（メタデータ） (2021-09-26T19:56:45Z)
NP-DRAW: A Non-Parametric Structured Latent Variable Modelfor Image Generation [139.8037697822064]
NP-DRAWと呼ばれる画像生成のための非パラメトリック構造化潜在変数モデルを提案する。後続のキャンバスをパーツ単位で順次描画し、それをキャンバスからデコードする。
論文参考訳（メタデータ） (2021-06-25T05:17:55Z)

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。