跳到正文
热点事件持续更新

研究者提出 2D Gum-Net 无监督弹性图像配准架构

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

论文作者提出 2D Gum-Net,一种完全无监督的端到端架构,用于预测稠密弹性形变场,将原本用于冷冻电子断层扫描 3D 副断层对齐的 Gum-Net 迁移到 2D 弹性配准,论文以 arXiv:2611.12805 发表。 该方法用 Dense Spatial Transformer 回归稀疏控制点网格,并通过 DCT 谱池化实现约 50 倍 GPU 降采样加速。

AI 根据报道生成 · 28 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    2D Gum-Net:基于对称相关与谱池化的无监督稠密弹性图像配准

    研究者提出 2D Gum-Net,一种完全无监督的端到端稠密弹性形变场预测架构,将原本用于冷冻电子断层扫描 3D 副断层对齐的 Gum-Net 迁移到 2D 弹性配准,用 Dense Spatial Transformer 回归稀疏控制点网格,并以 DCT 谱池化实现约 50 倍 GPU 降采样加速。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。