arXiv Computer Vision· Mathias Lowes, Kristine Aavild S{\o}rensen, Maxime Sermesant, Rasmus R. Paulsen·· 2 小时前AI 评分22
Temporal-IDIR：用隐式神经表示实现周期性时序图像配准
Temporal Periodic Image Registration with Implicit Neural Representations
AI 导读
Temporal-IDIR 用单个隐式神经表示（INR）同时建模时序图像序列中所有帧的形变，并通过时序一致性损失惩罚直接源到目标变换与经中间帧变换之间的差异，实现自正则化。在 DIR-LAB 数据集上，其标注与移动标志点间的目标配准误差（TRE）为 1.03 mm，优于其他基于 INR 的配准方法。该框架还支持通过估计输入帧之间的形变实现时间帧间的平滑插值，代码已公开。
来源：arXiv Computer Vision · arxiv.org