跳到正文
arXiv · AI· Aarya Bhave, Anushka Ajay Bhave·· 10 天前AI 评分31

2D Gum-Net:基于对称相关与频谱池化的无监督稠密弹性图像配准

2D Gum-Net: Unsupervised Dense Elastic Image Registration via Symmetric Correlation and Spectral Pooling

AI 导读

2D Gum-Net 提出无监督稠密弹性图像配准架构,在 FVC2004 基准测试中使结构相关性最高提升 15.7%。 该方法通过重设计 3D 模块适配 2D,利用 DCT 频谱池化实现约 50 倍 GPU 加速,并在零样本评估中保持假阳性分数基本不变。 论文已被 NeurIPS 2026 NewInML 研讨会接收,表明预测形变能恢复真实结构而不捏造对应关系。

来源:arXiv · AI · arxiv.org