Fugu-MT 論文翻訳(概要): Inverse Consistency by Construction for Multistep Deep Registration

論文の概要: Inverse Consistency by Construction for Multistep Deep Registration

arxiv url: http://arxiv.org/abs/2305.00087v2
Date: Mon, 9 Oct 2023 19:21:35 GMT
ステータス: 処理完了
システム内更新日: 2023-10-13 13:13:42.116050
Title: Inverse Consistency by Construction for Multistep Deep Registration
Title（参考訳）: 多段階深層登録の構成による逆一貫性
Authors: Hastings Greer, Lin Tian, Francois-Xavier Vialard, Roland Kwitt, Sylvain Bouix, Raul San Jose Estepar, Richard Rushmore, and Marc Niethammer
Abstract要約: We make a neural registration network inverse consistent by construction, as it is parameterized its output transformation by a Lie group。我々は,この手法を,逆整合性を保つために,多くのネットワークを構成することで,多段階のニューラル登録に拡張する。
参考スコア（独自算出の注目度）: 16.61000035061245
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Inverse consistency is a desirable property for image registration. We propose a simple technique to make a neural registration network inverse consistent by construction, as a consequence of its structure, as long as it parameterizes its output transform by a Lie group. We extend this technique to multi-step neural registration by composing many such networks in a way that preserves inverse consistency. This multi-step approach also allows for inverse-consistent coarse to fine registration. We evaluate our technique on synthetic 2-D data and four 3-D medical image registration tasks and obtain excellent registration accuracy while assuring inverse consistency.
Abstract（参考訳）: 逆一貫性は画像登録に望ましい特性である。そこで我々は,Lie 群による出力変換をパラメータ化すれば,構成によってニューラルネットワークを逆整合させる簡単な手法を提案する。我々は、この手法を多段階の神経登録に拡張し、このようなネットワークを逆一貫性を保ちながら構成する。この多段階のアプローチは、逆一貫性の粗さを微妙に登録することを可能にする。我々は,合成2次元データと4つの3次元医用画像登録タスクについて評価し,逆整合性を確保しつつ優れた登録精度を得る。

関連論文リスト

Robust Multiview Point Cloud Registration with Reliable Pose Graph Initialization and History Reweighting [63.95845583460312]
本稿では,ポイントクラウドのマルチビュー登録のための新しい手法を提案する。提案手法は,3DMatchデータセットの登録リコール率を11%,ScanNetデータセットの登録エラー率を13%向上させる。
論文参考訳（メタデータ） (2023-04-02T06:43:40Z)
SITReg: Multi-resolution architecture for symmetric, inverse consistent, and topology preserving image registration [7.5986411724707095]
マルチレゾリューション特徴表現の抽出に基づく新しいディープラーニング登録アーキテクチャを提案する。提案手法は,2つのデータセットに対する最先端の登録精度を実現する。
論文参考訳（メタデータ） (2023-03-17T19:00:24Z)
A recursive robust filtering approach for 3D registration [3.5270468102327004]
提案手法は, 既往のソリューションではまだ発生していない4つの利点を有する。固有ノイズ汚染センサデータを扱うことができる。ノイズのある特徴ローカライゼーションによる不確実性に対して堅牢である。
論文参考訳（メタデータ） (2021-10-28T07:50:02Z)
PR-RRN: Pairwise-Regularized Residual-Recursive Networks for Non-rigid Structure-from-Motion [58.75694870260649]
PR-RRNは、非剛性構造移動のための新しいニューラルネットワークベースの手法である。再建をさらに規則化するための2つの新しいペアワイズ正規化を提案する。提案手法は,CMU MOCAPとPASCAL3D+データセットの最先端性能を実現する。
論文参考訳（メタデータ） (2021-08-17T08:39:02Z)
Synth-by-Reg (SbR): Contrastive learning for synthesis-based registration of paired images [0.0]
我々は、ドメイン間の弱教師付き画像翻訳のための登録損失を導入する。この損失は、凍結重み付き登録されたU-Netを利用して、合成CNNを所望の翻訳に向けて駆動する。本手法は3次元組織再構成における重要なステップであるMRIスライスへのヒストロジカルセクションの登録に適用する。
論文参考訳（メタデータ） (2021-07-30T06:40:58Z)
Consistent Two-Flow Network for Tele-Registration of Point Clouds [74.51029406361997]
任意のポーズで提示される点群間の登録を可能とし,重複がほとんどあるいは全くない学習ベースの手法を提案する。本手法は,一群の形状の先行を学習し,部分的な形状を完遂できる新しいニューラルネットワーク設計に基づいている。個別のフローと比較して、この2フローのトレーニングが堅牢で信頼性の高い遠隔登録につながることを示す。
論文参考訳（メタデータ） (2021-06-01T09:03:21Z)
DeepGMR: Learning Latent Gaussian Mixture Models for Registration [113.74060941036664]
ポイントクラウドの登録は、3Dコンピュータビジョン、グラフィックス、ロボット工学の基本的な問題である。本稿では,最初の学習ベース登録法であるDeep Gaussian Mixture Registration(DeepGMR)を紹介する。提案手法は,最先端の幾何学的および学習的登録手法と比較して,良好な性能を示す。
論文参考訳（メタデータ） (2020-08-20T17:25:16Z)
Image-to-image Mapping with Many Domains by Sparse Attribute Transfer [71.28847881318013]
教師なし画像と画像の変換は、2つの領域間の一対のマッピングを、ポイント間の既知のペアワイズ対応なしで学習することで構成される。現在の慣例は、サイクル一貫性のあるGANでこのタスクにアプローチすることです。そこで本研究では,ジェネレータを直接,潜在層における単純なスパース変換に制限する代替手法を提案する。
論文参考訳（メタデータ） (2020-06-23T19:52:23Z)
Learning 3D-3D Correspondences for One-shot Partial-to-partial Registration [66.41922513553367]
学習に基づく部分的対部分的な登録をワンショットで行うことができることを示す。そこで本研究では,ビンの利用により閉塞点を考慮に入れた最適輸送層を提案する。結果として得られるOPRNetフレームワークは、標準ベンチマークにおける最先端技術を上回っている。
論文参考訳（メタデータ） (2020-06-08T12:35:47Z)
Fast Symmetric Diffeomorphic Image Registration with Convolutional Neural Networks [11.4219428942199]
本稿では,新しい非教師付き対称画像登録手法を提案する。大規模脳画像データセットを用いた3次元画像登録法について検討した。
論文参考訳（メタデータ） (2020-03-20T22:07:24Z)
A Multiple Decoder CNN for Inverse Consistent 3D Image Registration [18.017296651822857]
ディープラーニング技術は、登録時間を劇的に削減し、登録精度を向上している。逆整合性を持つ登録フレームワークを提案する。我々は,LPBA40 MRIデータセット上で,この手法のトレーニングと試験を行い,高い性能を示す。
論文参考訳（メタデータ） (2020-02-15T23:23:09Z)

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。