arXiv cs.AI· Amin Golnari, Saeid Sanei·· 14 小时前AI 评分18
StaX-Net：面向跨模态医学图像翻译的 Stackelberg 交错非对称网络
StaX-Net: Stackelberg Interleaved Asymmetric Network for Cross-Modality Medical Image Translation
AI 导读
StaX-Net 是一种用于跨模态医学图像翻译的 Stackelberg 交错非对称网络，通过部分耦合的编码器-判别器结构与 2D FAST 层，在学习使用特权信息范式下蒸馏目标监督先验。
正文 · AI 翻译
摘要：跨模态医学图像翻译面临解剖结构不一致的合成问题，这可能影响临床诊断。我们提出 StaX-Net，一种 Stackelberg 交错非对称网络，它包含部分耦合的编码器-判别器结构，以及一个 2D 特征聚合与空间变换（FAST）层，该层在利用特权信息学习范式下蒸馏目标监督先验。生成器与判别器之间的共享模块增强了架构特征对齐。为稳定领导者-跟随者训练，一种受 Stackelberg 启发的非对称优化方案采用显式共享参数冻结和非对称学习率。FAST 层在训练期间蒸馏目标域先验，并在推理时应用仅源域变换。相对于标准生成架构，这通过目标信息特征表示约束了合成过程。代码已在 GitHub 上公开可用。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.34214 [cs.CV] |
| （或 arXiv:2610.34214v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.34214 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Amin Golnari [查看电子邮件]
[v1]
2026年10月25日星期日 11:01:19 UTC（8,685 KB）
来源：arXiv cs.AI · arxiv.org