面向含噪刚性图像对齐的无监督差分学习
计算机视觉与模式识别
2022-05-25 v1
摘要
刚性图像对齐是计算机视觉中的一项基础任务，而传统算法要么对噪声过于敏感，要么耗时过长。近期基于空间变换网络开发的无监督图像对齐方法在干净图像上表现出改进的性能，但由于严重依赖像素值比较，在含噪图像上无法取得满意性能。为应对此类具有挑战性的应用，我们提出一种新的无监督差分学习（UDL）策略并将其应用于刚性图像对齐。UDL 利用回归任务的定量特性，将原始无监督问题转化为伪监督问题。在基于 UDL 的新图像对齐流程下，旋转可在干净与含噪图像上均被准确估计，随后平移可轻松求解。在自然图像与冷冻电镜（cryo-EM）图像上的实验结果证明了我们基于 UDL 的无监督刚性图像对齐方法的有效性。
引用
@article{arxiv.2205.11829,
title = {Unsupervised Difference Learning for Noisy Rigid Image Alignment},
author = {Yu-Xuan Chen and Dagan Feng and Hong-Bin Shen},
journal= {arXiv preprint arXiv:2205.11829},
year = {2022}
}