SrvfNet：一种用于无监督多重微分同胚形状对齐的生成网络
计算机视觉与模式识别
2021-04-29 v1 机器学习
微分几何
摘要
我们提出 SrvfNet，一种生成式深度学习框架，用于将由平方根速度函数（SRVF）组成的大规模函数数据集合联合多重对齐到其模板。我们提出的框架完全无监督，能够对齐到预定义模板，也能从数据中联合预测最优模板并同时实现对齐。我们的网络构建为一种生成式编码器-解码器架构，由全连接层组成，能够生成扭曲函数的分布空间。我们通过在合成数据以及来自磁共振成像（MRI）数据的扩散剖面（diffusion profiles）上进行验证，展示了我们框架的优势。
引用
@article{arxiv.2104.13449,
title = {SrvfNet: A Generative Network for Unsupervised Multiple Diffeomorphic Shape Alignment},
author = {Elvis Nunez and Andrew Lizarraga and Shantanu H. Joshi},
journal= {arXiv preprint arXiv:2104.13449},
year = {2021}
}