May, 2023

使用特定参数初始化的嵌入式特征相关性优化用于二 / 三维配准

PDF
TL;DR本文提出了一种基于深度学习的框架 (COSPI) 解决 2D/3D 图像配准问题，包括参数初始化模块和细微注册网络，使用多尺度特征提取和特殊的训练技术，论文实验证明 COSPI 方法在精度和运行时间方面优于现有的学习和优化方法，具有很好的初始姿态估计潜力。
deep learning2d/3d registrationparameter initializationmulti-scale featuresperformance evaluation
发现论文，激发创造
  • 深度全局注册

    我们提出了一个基于神经网络和优化算法的 3D 扫描配准框架，可以对实际数据进行高精度的配准，优于现有的同类方法。

    Apr, 2020

  • X 射线到 CT 图像融合的全可微相关驱动 2D/3D 配准

    我们提出了一种新颖的全可微相关驱动网络，使用双分支 CNN-transformer 编码器从图像中提取并分离低频全局特征和高频局部特征，同时采用了基于嵌入信息的相关驱动损失进行特征分解，并使用了学习逼近凸形相似函数的训练策略。在内部数据集上的测试结果表明，我们的方法优于现有的全可微学习注册方法和传统的基于优化的基准线。

    Feb, 2024

  • 基于优化的刚性 2D/3D 配准在脊柱手术导航中的应用 —— 基于 CMA-ES

    基于 CMA-ES 算法的粗糙到精细的注册框架对骨科手术机器人的导航系统至关重要，通过提供手术过程中手术工具和植入物的精确位置信息。本文通过使用来自脊柱不同部位的实际骨科脊柱手术数据对我们的方法进行了广泛测试，结果显示了该提出的框架在真实骨科脊柱手术临床数据上的有效性。

    Feb, 2024

  • 弱监督 2D 点集配准的语义匹配

    本文提出了一种卷积神经网络的方法来处理物体相同实例之间的对应关系问题，定义了一个新的基于循环一致性的损失函数来解决 2D 点集的注册问题，并在 Proposal-Flow（PF-PASCAL）数据集上进行了训练和测试，取得了最先进的结果。

    Jan, 2019

  • 基于启发式引导的参数搜索的高效强鲁棒点云配准

    通过启发式参数搜索策略，该论文提出了一种在点云配准中加速搜索而又保持高鲁棒性的方法，通过对可行域的三阶分解和一维区间刺探的利用，降低了搜索维度，并展示了与最先进方法相当的鲁棒性和显著的效率提升。

    Apr, 2024

  • 走向无需训练的可解释人体识别：一个二维 - 三维配准框架

    该研究论文介绍了一种旨在同时解决大规模视觉模型在生物识别中的三大弱点的识别框架 / 策略，首先它仅依赖于用于学习目的的合成样本，然后使用生成策略合成大量包含所需多个协变量（姿势、服装、距离、视角、光照、遮挡等）的样本，最后利用这些数据来学习在图像对之间执行局部配准的模型，建立身体部位的正向对应关系。

    Mar, 2024

  • 一种医学图像无监督图像配准的自适应对应度评分框架

    我们提出了一种适应性训练方案，用于无监督的医学图像配准。

    Dec, 2023

  • 自适应图像配准：融合深度学习和优化函数的混合方法以提升精度

    本研究旨在将学习方法和优化方法结合，使用学习方法的输出作为优化的初始参数，并根据图像对的损失进行计算，从而在保持相同推理时间和形变场平滑度仅降低 0.8% 的情况下，通过使用最佳性能的先进模型作为框架的骨干，在测试中获得了 0.3% 的改进。

    Nov, 2023

  • 无监督的变形图像配准随机规划师 - 演员 - 评论家

    该论文提出了一种基于强化学习方法的医学图像配准框架，引入了新的概念 Plan 来简化高维连续空间的训练过程，并在多个 2D 和 3D 医学影像数据集上进行了测试，结果表明该方法在注册大形变图像上表现优异且超过了同类算法。

    Dec, 2021

  • 利用深度配准从顺序稀疏 3D 数据中进行人脸识别

    本文提出了一种融合低质量 3D 数据的人脸识别系统，通过设计 PointNet-like 深度注册网络（DRNet）和 AMSoftmax 卷积神经网络，实现更高的准确率。

    Oct, 2018