従来の変形可能なレジストレーション方法は、画像ペアに対して注意深く設計された最適化モデルを解くことを目的としており、それらの計算コストは非常に高くなります。対照的に、最近の深層学習ベースのアプローチは

arxiv_reader のブックマーク 2021/03/26 11:50

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4700334484072909858/comment/arxiv_reader" data-user-id="arxiv_reader" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv-check-250201.firebaseapp.com/each/2004.14557v3" data-original-href="https://arxiv-check-250201.firebaseapp.com/each/2004.14557v3" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv-check-250201.firebaseapp.com%2Feach%2F2004.14557v3" data-user-icon="/users/arxiv_reader/profile.png">最適化から変形可能な画像レジストレーションを学習する：展望、モジュール、バイレベルトレーニングおよびそれ以降</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/3D">3D</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22arXiv%20reaDer%22">arXiv reaDer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/segmentation">segmentation</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/MRI">MRI</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/dataset">dataset</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/estimation">estimation</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/arXiv">arXiv</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/CT">CT</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/human">human</a>]</li></ul><br><p style="clear: left">従来の変形可能なレジストレーション方法は、画像ペアに対して注意深く設計された最適化モデルを解くことを目的としており、それらの計算コストは非常に高くなります。対照的に、最近の深層学習ベースのアプローチは</p><a class="datetime" href="https://b.hatena.ne.jp/arxiv_reader/20210326#bookmark-4700334484072909858"><span class="datetime-body">2021/03/26 11:50</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！