LDDMM与GANs的结合：用于微分同胚配准的生成对抗网络
计算机视觉与模式识别
2021-11-25 v1 图像与视频处理
摘要
本工作的目的是为微分同胚配准的深度学习方法前沿做出贡献。我们提出一种基于生成对抗网络的对抗学习LDDMM方法，用于三维单模态图像对。该方法受到近期使用对抗学习进行可变形图像配准文献的启发。我们在LDDMM范式内结合了当前最先进的生成、判别和对抗成分中表现最佳的要素。我们成功实现了两个模型，分别采用微分同胚的稳态和受EPDiff约束的非稳态参数化。我们的无监督且数据需求大的方法，相对于一个基准的有监督且数据丰富的方法，展现出了有竞争力的性能。此外，我们的方法取得了与基于模型的方法相似的结果，且计算时间在一秒以内。
引用
@article{arxiv.2111.12544,
title = {LDDMM meets GANs: Generative Adversarial Networks for diffeomorphic registration},
author = {Ubaldo Ramon and Monica Hernandez and Elvira Mayordomo},
journal= {arXiv preprint arXiv:2111.12544},
year = {2021}
}