PCReg-Net：基于渐进对比引导的跨域图像配准
计算机视觉与模式识别
2026-02-27 v2 人工智能
摘要
跨异构域的形变图像配准仍具有挑战性，因为耦合的外观变化和几何错位违反了常规方法所基于的亮度不变性假设。我们提出PCReg-Net，一个渐进对比引导的配准框架，通过四个轻量级模块实现粗到细对齐：（1）用于初始粗配准的注册U-Net，（2）从固定图像中捕获多尺度结构线索的参考特征提取器，（3）通过比较粗配准特征和参考特征来识别残余错位的多尺度对比模块，（4）带有特征注入的精炼U-Net，用于生成最终的高保真输出。我们在FIRE-Reg-256视网膜 fundus基准测试上进行评估，显示优于传统和深度学习基线。此外，在两个显微镜基准上的额外实验进一步确认了跨域的适用性。仅需2.56M参数，PCReg-Net实现了141 FPS的实时推理。代码可在https://github.com/JiahaoQin/PCReg-Net获取。
引用
@article{arxiv.2602.13304,
title = {PCReg-Net: Progressive Contrast-Guided Registration for Cross-Domain Image Alignment},
author = {Jiahao Qin},
journal= {arXiv preprint arXiv:2602.13304},
year = {2026}
}
备注
11 pages, 1 figure, 3 tables