RoTIR：用于鱼鳞图像配准的旋转等变网络与 Transformer
图像与视频处理
2024-07-30 v2
摘要
图像配准是对齐多幅图像中感兴趣特征的重要过程。随着近期深度学习技术的发展，图像配准方法已提升至新水平。本文提出了“用于图像配准的旋转等变网络与 Transformer”（RoTIR），这是一种基于深度学习的方法，用于对齐通过光学显微镜捕获的鱼鳞图像。该方法克服了任意旋转与平移检测以及缺乏真值数据的挑战。我们采用基于 Transformer 和通用 E(2)-等变可导 CNN 的特征匹配方法进行模型构建。此外，采用人工训练数据集进行半监督学习。结果表明，RoTIR 成功实现了鱼鳞图像配准的目标。
引用
@article{arxiv.2401.11270,
title = {RoTIR: Rotation-Equivariant Network and Transformers for Fish Scale Image Registration},
author = {Ruixiong Wang and Alin Achim and Renata Raele-Rolfe and Qiao Tong and Dylan Bergen and Chrissy Hammond and Stephen Cross},
journal= {arXiv preprint arXiv:2401.11270},
year = {2024}
}
备注
7 pages, 4 figures, 2 tables