arXiv cs.AI· Chenyu Guo, Wenjie Dai, Yiqian Chang, Zhiyuan Zhang, Yunfan Wei, Shuhan Qi·· 12 小时前AI 评分20
ReliMorph：以可靠性引导专家路由与速度门控的 3D 可变形配准框架
Learning Where to Trust: Reliability-Guided Expert Routing and Velocity Gating for 3D Deformable Registration
AI 导读
ReliMorph 是一个可靠性路由的对称 3D 可变形配准框架，将对应关系评估与空间上下文选择、形变更新强度耦合。它用相关分布刻画对应歧义，并以此引导空间专家融合、在由粗到细的细化中门控残差速度，反向不一致反馈进一步指导更细金字塔层的路由与门控。作者称这是首个将空间专家路由与残差速度门控同时以对应可靠性为条件的 3D 可变形配准框架，实验在解剖重叠度上稳定优于对比方法。
正文 · AI 翻译
摘要：可变形图像配准依赖于准确的解剖对应关系。然而，在基于学习的配准中，将局部匹配可靠性与空间上下文选择和变形更新强度显式耦合的研究仍不充分。这一问题在同质、弱纹理和严重变形区域尤为突出，其中模糊匹配可能引发错误的变形更新。我们提出 ReliMorph，一种用于 3D 可变形配准的可靠性路由对称框架，它将对应关系评估与空间上下文选择和更新 this http URL 相关联。相关分布利用共享解剖特征并结合模态特定适配来刻画对应关系的模糊性。这些可靠性线索在由粗到细的细化过程中引导空间专家融合并对残差速度进行门控。更新后的逆不一致性反馈在更细的金字塔层级上引导路由和门控。据我们所知，ReliMorph 是首个将空间专家路由和残差速度门控共同以对应关系可靠性为条件的 3D 可变形配准框架。大量实验表明，ReliMorph 在解剖重叠度上始终优于竞争方法，凸显了其在单模态和多模态配准任务中的有效性。
| 学科： | 人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2610.36672 [cs.AI] |
| （或使用 arXiv:2610.36672v1 [cs.AI] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.36672 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Chenyu Guo [查看邮箱]
[v1]
2026年10月27日 星期二 05:43:45 UTC（9,286 KB）
来源：arXiv cs.AI · arxiv.org