2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 12 월 1 일,2015 년 기존 등록이 가능한 다중 모드 이미지 등록방법은 충분히 유사한 이미지 구조가 없기 때문에 종종 실패합니다.코미어는 다중 모드 등록 문제를 단일 모드로 줄입니다.일반 강도 기반 및 기능 기반 등록 알고리즘을 적용 할 수 있습니다. 이 방법은 양식 당 하나의 신경망을 훈련하는 것을 포함합니다.정렬 된 이미지,노이즈 대비 추정(정보)을 기반으로 한 대조 손실을 사용합니다. 예를 들어 사용되는 다른 대조 코딩 방법과 달리,분류,우리의 접근 방식은 다음을 포함하는 이미지와 같은 표현을 생성합니다.양식간에 공유되는 정보. 우리는 배운 표현,등록 작업에 필수적인 속성의 회전 등가물을 적용,인포 한스에 소설,하이퍼 매개 변수가없는 수정을 소개합니다.우리는 달성된 회전 동등 하 고 무게 초기화,훈련 세트 및 매개 변수 설정,원격 감지 데이터 집합에 대 한 표현의 안정성을 평가 합니다. 우리는 밝은 필드 및 2 고조파 세대 현미경 이미지;의 생물 의학 데이터 세트의 등록을 통해 배운 표현 평가 아주 작은 명백한 상관 관계를 가진 두 양식. 코미르를 기반으로 제안된 접근 방식은 간 기반의 이미지-이미지 변환에 의해 만들어진 표현 등록뿐만 아니라 데이터에 대한 추가 지식을 고려한 최첨단 응용 프로그램 별 방법을 훨씬 능가합니다. 코드는 다음에서 사용할 수 있습니다.
