谐调 Beltrami 签名网络: 深度学习框架中的形状先验模块
计算机视觉与模式识别
2026-03-04 v1
摘要
本文提出了谐调 Beltrami 签名网络 (HBSN)，这是一种用于从二值图像计算谐调 Beltrami 签名 (HBS) 的新型深度学习架构。HBS 是一种形状表示，能与 2D 简单连通形状建立一一对应关系，具有平移、缩放和旋转不变性。通过利用神经网络的函数逼近能力，HBSN 能够高效提取和利用形状先验信息。 proposed 网络架构包括用于形状归一化的 pre-Spatial Transformer Network (pre-STN)、用于 HBS 预测的基于 UNet 的 backbone 以及用于角度正则化的 post-STN。实验表明，HBSN 能够准确计算 HBS 表示，即使面对复杂形状。此外，我们演示了 HBSN 如何直接集成到现有的深度学习分割模型中，通过使用形状先验信息来提高其性能。结果确认了 HBSN 作为将几何形状信息嵌入计算机视觉管道中的通用模块的实用性。
引用
@article{arxiv.2603.02907,
title = {Harmonic Beltrami Signature Network: a Shape Prior Module in Deep Learning Framework},
author = {Chenran Lin and Lok Ming Lui},
journal= {arXiv preprint arXiv:2603.02907},
year = {2026}
}