論文の概要: FireANTs: Adaptive Riemannian Optimization for Multi-Scale Diffeomorphic Matching

• arxiv url: http://arxiv.org/abs/2404.01249v2
• Date: Fri, 17 Jan 2025 05:13:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-20 13:57:47.137691
• Title: FireANTs: Adaptive Riemannian Optimization for Multi-Scale Diffeomorphic Matching
• Title（参考訳）: FireANTs: マルチスケール微分型マッチングのための適応リーマン最適化
• Authors: Rohit Jena, Pratik Chaudhari, James C. Gee,
• Abstract要約: 微分同相画像マッチングアルゴリズムの最も批判的で実証された側面の1つは、その極めて条件の悪い性質である。 我々は、典型的なMRIマッチングタスクにおける不条件の程度を定量的に把握し、微分同相マッチングのための適応最適化アルゴリズムの必要性を動機づける。 ファイアラントは、非ユークリッドな微分同相空間におけるこの条件を緩和するために、運動量の概念とヘッセンの適応推定を一般化する。 我々の厳密な数学的結果と運用上の貢献は、目覚ましい精度と頑健さで一般的な画像データに適用できる最先端の密マッチングアルゴリズムに繋がる。
• 参考スコア（独自算出の注目度）: 20.34181966545357
• License:
• Abstract: The paper proposes FireANTs, the first multi-scale Adaptive Riemannian Optimization algorithm for dense diffeomorphic image matching. One of the most critical and understudied aspects of diffeomorphic image matching algorithms are its highly ill-conditioned nature. We quantitatively capture the extent of ill-conditioning in a typical MRI matching task, motivating the need for an adaptive optimization algorithm for diffeomorphic matching. To this end, FireANTs generalizes the concept of momentum and adaptive estimates of the Hessian to mitigate this ill-conditioning in the non-Euclidean space of diffeomorphisms. Unlike common non-Euclidean manifolds, we also formalize considerations for multi-scale optimization of diffeomorphisms. Our rigorous mathematical results and operational contributions lead to a state-of-the-art dense matching algorithm that can be applied to generic image data with remarkable accuracy and robustness. We demonstrate consistent improvements in image matching performance across a spectrum of community-standard medical and biological correspondence matching challenges spanning a wide variety of image modalities, anatomies, resolutions, acquisition protocols, and preprocessing pipelines. This improvement is supplemented by from 300x up to 3200x speedup over existing state-of-the-art algorithms. For the first time, we perform diffeomorphic matching of sub-micron mouse cortex volumes at native resolution. Our fast implementation also enables hyperparameter studies that were intractable with existing correspondence matching algorithms.
• Abstract（参考訳）: 本稿では,高次微分同相画像マッチングのためのマルチスケール適応リーマン最適化アルゴリズムであるFireANTsを提案する。 微分同相画像マッチングアルゴリズムの最も批判的で実証された側面の1つは、その極めて条件の悪い性質である。 我々は、典型的なMRIマッチングタスクにおける不条件の程度を定量的に把握し、微分同相マッチングのための適応最適化アルゴリズムの必要性を動機づける。 この目的のために、ファイアラントは運動量の概念とヘッセンの適応推定を一般化し、非ユークリッドな微分同相空間における悪条件を緩和する。 一般的な非ユークリッド多様体とは異なり、微分同相写像のマルチスケール最適化に関する考察も形式化する。 我々の厳密な数学的結果と運用上の貢献は、目覚ましい精度と頑健さで一般的な画像データに適用できる最先端の密マッチングアルゴリズムに繋がる。 我々は,様々な画像モダリティ,解剖学,解像度,取得プロトコル,前処理パイプラインにまたがる,地域標準の医療・生物対応の課題に対して,画像マッチング性能を一貫した改善を行った。 この改善は、既存の最先端アルゴリズムよりも300倍から3200倍のスピードアップで補われている。 マウス下大脳皮質容積の微分同相性マッチングを自然分解能で行った。 我々の高速な実装は、既存の対応マッチングアルゴリズムで抽出可能なハイパーパラメータの研究を可能にする。

関連論文リスト

• Linearization Algorithms for Fully Composite Optimization [61.20539085730636]
  本稿では,完全合成最適化問題を凸コンパクト集合で解くための一階アルゴリズムについて検討する。 微分可能および非微分可能を別々に扱い、滑らかな部分のみを線形化することで目的の構造を利用する。
  論文  参考訳（メタデータ） (2023-02-24T18:41:48Z)
• 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)
• Convolutional Hough Matching Networks for Robust and Efficient Visual Correspondence [41.061667361696465]
  畳み込みマッチングにおけるハフ変換の視点を導入し、畳み込みハフマッチング(CHM)と呼ばれる効果的な幾何マッチングアルゴリズムを提案する。 本手法は,クラス内変動に挑戦する上で,その強靭性を証明し,意味的視覚対応のための標準ベンチマークに新たな技術状況を設定する。
  論文  参考訳（メタデータ） (2021-09-11T08:39:41Z)
• SUPER-ADAM: Faster and Universal Framework of Adaptive Gradients [99.13839450032408]
  一般的な問題を解決するための適応アルゴリズムのための普遍的な枠組みを設計することが望まれる。 特に,本フレームワークは,非収束的設定支援の下で適応的手法を提供する。
  論文  参考訳（メタデータ） (2021-06-15T15:16:28Z)
• Unified Convergence Analysis for Adaptive Optimization with Moving Average Estimator [75.05106948314956]
  1次モーメントに対する大きな運動量パラメータの増大は適応的スケーリングに十分であることを示す。 また,段階的に減少するステップサイズに応じて,段階的に運動量を増加させるための洞察を与える。
  論文  参考訳（メタデータ） (2021-04-30T08:50:24Z)
• Convolutional Hough Matching Networks [39.524998833064956]
  畳み込みマッチングにおけるハフ変換の視点を導入し、畳み込みハフマッチング(CHM)と呼ばれる効果的な幾何マッチングアルゴリズムを提案する。 半等方性高次元カーネルを持つ学習可能な神経層にキャストし、少数の解釈可能なパラメータとの非剛性マッチングを学習した。 本手法は,意味的視覚対応のための標準ベンチマークの新たな技術を確立し,クラス内変動に対する強固さを証明した。
  論文  参考訳（メタデータ） (2021-03-31T06:17:03Z)
• Evolutionary Variational Optimization of Generative Models [0.0]
  分散最適化と進化的アルゴリズムの2つの一般的な最適化アプローチをジェネレーションモデルのための学習アルゴリズムの導出に組み合わせます。 進化的アルゴリズムは変動境界を効果的かつ効率的に最適化できることを示す。 ゼロショット」学習のカテゴリでは、多くのベンチマーク設定で最先端の技術を大幅に改善するために進化的変動アルゴリズムを観察しました。
  論文  参考訳（メタデータ） (2020-12-22T19:06:33Z)
• A Flexible Framework for Designing Trainable Priors with Adaptive Smoothing and Game Encoding [57.1077544780653]
  我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。 グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。 このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
  論文  参考訳（メタデータ） (2020-06-26T08:34:54Z)
• Convergence of adaptive algorithms for weakly convex constrained optimization [59.36386973876765]
  モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。 我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
  論文  参考訳（メタデータ） (2020-06-11T17:43:19Z)
• A Weighted Difference of Anisotropic and Isotropic Total Variation for Relaxed Mumford-Shah Color and Multiphase Image Segmentation [2.6381163133447836]
  異方性および等方性の全変動の差を考慮した一括一括画像分割モデルを提案する。 また,カラー画像のセグメンテーションへの一般化についても論じる。
  論文  参考訳（メタデータ） (2020-05-09T09:35:44Z)

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。