面向 FireANTs 的分解Levenberg-Marquardt算法：一种高效图像配准优化器
计算机视觉与模式识别
2026-03-23 v1
摘要
FireANTs 引入了一种新型Euler下降方法，用于插拔式行为，能够针对任意优化器适配用于基于Euler方法的图像配准作为测试时优化问题，已实现GPU加速。FireANTs 使用 Adam 作为默认优化器，以实现快速且更稳健的优化。然而，Adam 需要存储状态变量（即动量和平方动量估计），这些变量每个都可能消耗大量内存，限制了其在大图像上的应用。在本工作中，我们提出一种修改Levenberg-Marquardt(LM)优化器，其仅需单个标量阻尼参数作为优化器状态，并通过信任域方法自适应调节。所得优化器对大型体积数据节省内存最高可达 24.6%，同时在所有四个数据集上保持性能。一个经脑 MRI 微调的单一超参数配置可无修改地转移至肺 CT 和跨模态腹部图像配准，在四个基准测试中三个上与 Adam 相匹配或优于。我们还对使用Metropolis-Hastings式拒绝步骤防止损失函数恶化的有效性进行了消融实验。
引用
@article{arxiv.2603.19371,
title = {Factored Levenberg-Marquardt for Diffeomorphic Image Registration: An efficient optimizer for FireANTs},
author = {Rohit Jena and Pratik Chaudhari and James C. Gee},
journal= {arXiv preprint arXiv:2603.19371},
year = {2026}
}