基于先验的共配准与共分割
计算机视觉与模式识别
2016-07-25 v1
摘要
我们提出了一个模块化且可扩展的框架，用于密集共配准和共分割，具有两个关键特征：第一，我们用分类器的语义图输出替代真值数据；第二，我们将该输出与群体可变形配准相结合，以同时改进对齐和分割。我们的方法将所有体数据形变朝向共识，同时考虑图像相似性和标签一致性。我们的流程可以整合任何分类器和相似性度量。在两个包含具有挑战性的脑结构标注的数据集上的结果展示了我们方法的潜力。
引用
@article{arxiv.1607.06787,
title = {Prior-based Coregistration and Cosegmentation},
author = {Mahsa Shakeri and Enzo Ferrante and Stavros Tsogkas and Sarah Lippe and Samuel Kadoury and Iasonas Kokkinos and Nikos Paragios},
journal= {arXiv preprint arXiv:1607.06787},
year = {2016}
}
备注
The first two authors contributed equally