画像登録は、医療画像解析において画像ペア間の変形を推定するための重要な技術です。高品質な推定には、良い変形モデルが不可欠です。しかし、既存の大多数の手法では、観測データの変動を捉えるよりも数学的な利便性のために選ばれた即興的な変形モデルが使用されています。最近の深層学習アプローチでは、データから直接変形モデルを学習しますが、変換の空間的規則性に対する制御が限られています。我々は、全体的な登録手法を学習する代わりに、登録モデル内の空間適応型正則化項を学習します。これにより、望ましい規則性のレベルを制御し、登録モデルの構造的特性を保つことが可能になります。例えば、微分同相変換（diffeomorphic transformations）を得ることができます。我々の手法は、深層学習モデルを最適化ベースの登録アルゴリズムに組み込むことで、登録モデル自体をパラメータ化しデータに適応させるという点で、既存の深層学習による画像登録アプローチから大きく離れたものです。