Embedded Feature Similarity Optimization with Specific Parameter Initialization for 2D/3D Registration

要約

タイトル：2D / 3D登録のための特定のパラメータ初期化と埋め込み特徴類似性最適化

要約：
– 2D / 3D登録は次元の違い、重い計算負荷、そして評価基準の欠如などの難しさにより、最も難しい問題の1つである。
– この論文では、特定のパラメータの仕様モジュールとファインレジストレーションネットワークを含む、新しいディープラーニングベースのフレームワークである「Embedded Feature Similarity Optimization with Specific Parameter Initialization（SOPI）」を提案する。
– 提案されたフレームワークは、特殊なトレーニング技術を使用した新しい複合接続エンコーダを使用して、マルチスケールフィーチャの抽出を考慮に入れる。
– 提案手法は、学習ベースの手法と最適化ベースの手法と比較してパフォーマンスをさらに評価し、精度と実行時間の点で既存の手法を上回ることを実験によって示す。
– また、提案手法を初期姿勢推定器として利用することの可能性も示す。

要約(オリジナル)

We present a novel deep learning-based framework: Embedded Feature Similarity Optimization with Specific Parameter Initialization (SOPI) for 2D/3D registration which is a most challenging problem due to the difficulty such as dimensional mismatch, heavy computation load and lack of golden evaluating standard. The framework we designed includes a parameter specification module to efficiently choose initialization pose parameter and a fine-registration network to align images. The proposed framework takes extracting multi-scale features into consideration using a novel composite connection encoder with special training techniques. The method is compared with both learning-based methods and optimization-based methods to further evaluate the performance. Our experiments demonstrate that the method in this paper has improved the registration performance, and thereby outperforms the existing methods in terms of accuracy and running time. We also show the potential of the proposed method as an initial pose estimator.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI