SrvfNet: A Generative Network for Unsupervised Multiple Diffeomorphic Functional Alignment.
SrvfNet: A Generative Network for Unsupervised Multiple Diffeomorphic Functional Alignment.
复制标题
SrvfNet：一个用于无监督多重同构函数对齐的生成网络。
DOI：
10.1109/cvprw53098.2021.00505
复制
发表时间：
2021-06
期刊：
影响因子：
--
通讯作者：
Joshi, Shantanu H.
中科院分区：
文献类型：
--
作者：
Nunez, Elvis;Lizarraga, Andrew;Joshi, Shantanu H.
我们提出了一种生成性深度学习框架，用于将包含平方根速度函数(SRVF)的大型函数数据集合与其模板进行联合多重比对。我们提出的框架是完全无监督的，能够与预定义的模板对齐，并在实现对齐的同时从数据中联合预测最优模板。我们的网络被构建为一个生成性编解码器体系结构，包括能够产生翘曲函数的分布空间的完全连接层。我们通过在合成数据和磁共振成像(MRI)数据的扩散曲线上验证我们的框架的强度。
We present SrvfNet, a generative deep learning framework for the joint multiple alignment of large collections of functional data comprising square-root velocity functions (SRVF) to their templates. Our proposed framework is fully unsupervised and is capable of aligning to a predefined template as well as jointly predicting an optimal template from data while simultaneously achieving alignment. Our network is constructed as a generative encoder-decoder architecture comprising fully-connected layers capable of producing a distribution space of the warping functions. We demonstrate the strength of our framework by validating it on synthetic data as well as diffusion profiles from magnetic resonance imaging (MRI) data.
登录
查看更多内容
DOI：
10.1109/cvprw50498.2020.00441
发表时间：
2020-06
期刊：
Conference on Computer Vision and Pattern Recognition Workshops. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Workshops
影响因子：
--
作者：
Nunez E;Joshi SH
通讯作者：
Joshi SH
DOI：
10.1109/tassp.1978.1163055
发表时间：
1978-01-01
期刊：
IEEE TRANSACTIONS ON ACOUSTICS SPEECH AND SIGNAL PROCESSING
影响因子：
--
作者：
SAKOE, H;CHIBA, S
通讯作者：
CHIBA, S
DOI：
10.1007/978-1-4939-4020-2
发表时间：
2016-01-01
期刊：
FUNCTIONAL AND SHAPE DATA ANALYSIS
影响因子：
--
作者：
Srivastava, A.;Klassen, E. P.
通讯作者：
Klassen, E. P.
影响因子：
3
作者：
KARCHER, H
通讯作者：
KARCHER, H
DOI：
10.1109/tpami.2010.184
发表时间：
2011-07-01
影响因子：
23.6
作者：
Srivastava, Anuj;Klassen, Eric;Jermyn, Ian H.
通讯作者：
Jermyn, Ian H.