Fourier-Net: 대역 제한 변형을 이용한 빠른 이미지 등록

비지도 이미지 등록은 일반적으로 U-Net 스타일 네트워크를 사용하여 전체 해상도 공간 영역에서 밀집된 변위 필드를 예측합니다. 고해상도 볼륨 이미지 데이터의 경우, 이 과정은 자원을 많이 소모하고 시간이 오래 걸립니다. 이러한 문제를 해결하기 위해, 우리는 U-Net 스타일 네트워크의 확장 경로를 매개변수 없는 모델 주도 디코더로 대체하는 Fourier-Net을 제안합니다. 구체적으로, 우리의 Fourier-Net은 공간 영역에서 전체 해상도 변위 필드를 출력하는 것이 아니라, 주파수 제한 Fourier 영역에서 저차원 표현을 학습합니다. 이 표현은 우리가 설계한 모델 주도 디코더(제로 패딩 레이어와 역 이산 Fourier 변환 레이어로 구성됨)에 의해 공간 영역에서 밀집되고 전체 해상도의 변위 필드로 디코딩됩니다. 이러한 변경 사항으로 인해 비지도 Fourier-Net은 더 적은 매개변수와 계산 연산을 포함하여 추론 속도가 더 빨라집니다. Fourier-Net은 다양한 최신 방법들과 비교하여 두 개의 공개 3D 뇌 데이터셋에서 평가되었습니다. 예를 들어, 최근에 제안된 트랜스포머 기반 방법인 TransMorph와 비교할 때, 우리의 Fourier-Net은 그 매개변수의 2.2%와 곱셈-덧셈 연산의 6.66%만 사용하면서 Dice 점수가 0.5% 높고 추론 속도는 11.48배 더 빠릅니다. 코드는 \url{https://github.com/xi-jia/Fourier-Net}에서 확인할 수 있습니다.