論文の概要: Registering Image Volumes using 3D SIFT and Discrete SP-Symmetry
- arxiv url: http://arxiv.org/abs/2205.15456v1
- Date: Mon, 30 May 2022 22:57:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-02 06:46:59.407427
- Title: Registering Image Volumes using 3D SIFT and Discrete SP-Symmetry
- Title（参考訳）: 3次元SIFTと離散SP-Symmetryによる画像ボリュームの登録
- Authors: Laurent Chauvin, William Wells III and Matthew Toews
- Abstract要約: -1,+1$ のバイナリ特徴符号 $s は、ラプラシア作用素 $nabla2$ の符号として定義される。
3Dパリティ変換は$(x,y,z)rightarrow(-x,-y,-z)$ transforms $(x,y,z)rightarrow(-x,-y,-z)$、すなわちSP-不変あるいはSP-対称である。
- 参考スコア（独自算出の注目度）: 2.1829116024916844
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This paper proposes to extend local image features in 3D to include
invariance to discrete symmetry including inversion of spatial axes and image
contrast. A binary feature sign $s \in \{-1,+1\}$ is defined as the sign of the
Laplacian operator $\nabla^2$, and used to obtain a descriptor that is
invariant to image sign inversion $s \rightarrow -s$ and 3D parity transforms
$(x,y,z)\rightarrow(-x,-y,-z)$, i.e. SP-invariant or SP-symmetric. SP-symmetry
applies to arbitrary scalar image fields $I: R^3 \rightarrow R^1$ mapping 3D
coordinates $(x,y,z) \in R^3$ to scalar intensity $I(x,y,z) \in R^1$,
generalizing the well-known charge conjugation and parity symmetry
(CP-symmetry) applying to elementary charged particles. Feature orientation is
modeled as a set of discrete states corresponding to potential axis
reflections, independently of image contrast inversion. Two primary axis
vectors are derived from image observations and potentially subject to
reflection, and a third axis is an axial vector defined by the right-hand rule.
Augmenting local feature properties with sign in addition to standard
(location, scale, orientation) geometry leads to descriptors that are invariant
to coordinate reflections and intensity contrast inversion. Feature properties
are factored in to probabilistic point-based registration as symmetric kernels,
based on a model of binary feature correspondence. Experiments using the
well-known coherent point drift (CPD) algorithm demonstrate that SIFT-CPD
kernels achieve the most accurate and rapid registration of the human brain and
CT chest, including multiple MRI modalities of differing intensity contrast,
and abnormal local variations such as tumors or occlusions. SIFT-CPD image
registration is invariant to global scaling, rotation and translation and image
intensity inversions of the input data.
- Abstract（参考訳）: 本稿では,空間軸の逆転や画像コントラストを含む離散対称性に不変な局所像特徴を3次元に拡張することを提案する。
二項特徴符号 $s \in \{-1,+1\}$ はラプラシア作用素 $\nabla^2$ の符号として定義され、画像符号逆変換 $s \rightarrow -s$ および 3dパリティ変換 $(x,y,z)\rightarrow(-x,-y,-z)$,すなわちsp-invariant または sp-symmetric に不変な記述子を得るのに使用される。
sp対称性は任意のスカラー画像フィールド$i: r^3 \rightarrow r^1$ mapping 3d coordinates $(x,y,z) \in r^3$ to scalar intensity $i(x,y,z) \in r^1$に適用される。
特徴指向は、画像のコントラスト反転とは独立に、電位軸反射に対応する離散状態の集合としてモデル化される。
2つの一次軸ベクトルは画像観測から導出され、潜在的に反射を受け、第3軸は右手規則で定義される軸ベクトルである。
標準(位置、スケール、方向)の幾何学に加えて、符号による局所的特徴特性の増大は、座標反射や強度コントラスト反転に不変な記述子をもたらす。
特徴特性は、二項特徴対応モデルに基づいて、確率的点ベースを対称カーネルとして登録する。
良く知られたコヒーレント・ポイントドリフト(CPD)アルゴリズムを用いた実験により、SIFT-CPDカーネルは、異なる強度コントラストのMRIの複数のモード、腫瘍や閉塞などの異常な局所変化を含む、ヒトの脳とCT胸の最も正確かつ迅速な登録を達成することが示された。
sift-cpd画像登録は、入力データのグローバルスケーリング、回転および変換および画像強度インバージョンに不変である。
関連論文リスト
- RSD-DOG : A New Image Descriptor based on Second Order Derivatives [2.174919458782602]
本稿では,2次画像統計・導出に基づく画像パッチ記述子について紹介する。
検討された3次元表面は、尾根、谷、崖などの2階目の特徴・統計が豊富である。
得られた記述子は、照明、スケール、回転、ぼかし、視点、圧縮のバリエーションを扱う際に優れた識別力を示す。
論文 参考訳（メタデータ） (2024-08-14T17:41:45Z) - Transformers as Support Vector Machines [54.642793677472724]
自己アテンションの最適化幾何と厳密なSVM問題との間には,形式的等価性を確立する。
勾配降下に最適化された1層変圧器の暗黙バイアスを特徴付ける。
これらの発見は、最適なトークンを分離し選択するSVMの階層としてのトランスフォーマーの解釈を刺激していると信じている。
論文 参考訳（メタデータ） (2023-08-31T17:57:50Z) - Deep Diversity-Enhanced Feature Representation of Hyperspectral Images [87.47202258194719]
トポロジを改良して3次元畳み込みを補正し,上行階の高次化を図る。
また、要素間の独立性を最大化するために特徴マップに作用する新しい多様性対応正規化(DA-Reg)項を提案する。
提案したRe$3$-ConvSetとDA-Regの優位性を実証するために,様々なHS画像処理および解析タスクに適用する。
論文 参考訳（メタデータ） (2023-01-15T16:19:18Z) - Using Atom-Like Local Image Features to Study Human Genetics and
Neuroanatomy in Large Sets of 3D Medical Image Volumes [0.0]
この論文の貢献は、3次元画像空間で抽出された原子のような特徴から大量の画像を分析するために開発された技術に起因している。
電荷に類似した二元的特徴符号と3次元空間における対称的特徴配向状態の離散的集合を含む新しい特徴特性が導入された。
論文 参考訳（メタデータ） (2022-08-25T22:27:39Z) - Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View
Tomography [58.60249163402822]
未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。
提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
論文 参考訳（メタデータ） (2022-07-06T21:40:59Z) - Reflection and Rotation Symmetry Detection via Equivariant Learning [40.61825212385055]
我々は、EquiSymと呼ばれる対称性検出のためのグループ同変畳み込みネットワークを導入する。
DENse と Diverse symmetric (DENDI) という新しいデータセットを提案し、既存の反射・回転対称性検出のためのベンチマークの制限を緩和する。
実験により,LDRSおよびDENDIデータセットの対称性検出において,本手法が芸術の状態を達成できることが確認された。
論文 参考訳（メタデータ） (2022-03-31T04:18:33Z) - 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) - Extreme Rotation Estimation using Dense Correlation Volumes [73.35119461422153]
本稿では,RGB画像対の相対的な3次元回転を極端に推定する手法を提案する。
画像が重なり合わなくても、それらの幾何学的関係に関して豊富な隠れた手がかりがあるかもしれないと観察する。
本稿では,2つの入力画像間の全ての点を比較することで,そのような暗黙の手がかりを自動的に学習できるネットワーク設計を提案する。
論文 参考訳（メタデータ） (2021-04-28T02:00:04Z) - Self-supervised Geometric Perception [96.89966337518854]
自己教師付き幾何知覚(self-supervised geometric perception)は、基底幾何モデルラベルなしで対応マッチングのための特徴記述子を学ぶためのフレームワークである。
また,SGPは,地上トラスラベルを用いて訓練した教師付きオークルよりも同等か優れる最先端性能を達成できることを示す。
論文 参考訳（メタデータ） (2021-03-04T15:34:43Z) - Learning Equivariant Representations [10.745691354609738]
畳み込みニューラルネットワーク(CNN)はこの原理の成功例である。
対称性の群で定義される異なる変換に対する同変モデルを提案する。
これらのモデルはデータの対称性を利用して、サンプルとモデルの複雑さを減らし、一般化性能を向上させる。
論文 参考訳（メタデータ） (2020-12-04T18:46:17Z) - SymmetryNet: Learning to Predict Reflectional and Rotational Symmetries
of 3D Shapes from Single-View RGB-D Images [26.38270361331076]
本稿では3次元物体の反射対称性と回転対称性の両方を予測できるエンドツーエンドのディープニューラルネットワークを提案する。
単視点RGB-D画像に基づく3次元対称性検出のベンチマークにも貢献する。
論文 参考訳（メタデータ） (2020-08-02T14:10:09Z)
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。