2D Gum-Net：通过对称相关和谱池进行无监督密集弹性图像配准

原文：2D Gum-Net: Unsupervised Dense Elastic Image Registration via Symmetric Correlation and Spectral Pooling

密集非刚性配准，即像素级变形场的恢复，使一幅图像与另一幅图像扭曲成几何一致，是医学成像、结构生物学和对应估计的基础，但基于学习的方法面临着严重的瓶颈：众所周知，真实数据很难获得真实的变形场。我们提出了 2D Gum-Net，一种端到端的

正文由本站服务器抓取保存（已自动过滤广告、推荐位与追踪图片），排版与原站可能不同；版权归原站所有。