딥 러닝이 데이터 정합성과 만날 때: 딥 등록 네트워크(DRNs)에 대한 리뷰

이 논문은 최근 딥 러닝 기반 등록 방법에 대해 검토합니다. 등록은 데이터 세트를 정렬하는 변환을 계산하는 과정이며, 결과의 정확도는 여러 요인에 따라 달라집니다. 가장 중요한 요인은 입력 데이터의 크기, 노이즈, 이상치 및 가림의 존재, 추출된 특성의 품질, 실시간 요구 사항, 그리고 변환의 유형, 특히 비탄력 변형과 같은 여러 매개변수로 정의된 것들입니다. 딥 등록 네트워크(DRNs)는 학습 알고리즘을 사용하여 정렬 작업을 해결하려고 하는 아키텍처입니다. 이 리뷰에서는 전통적인 등록 파이프라인을 기반으로 제안된 프레임워크에 따라 이러한 방법을 분류합니다. 이 파이프라인은 목표 선택, 특징 추출, 특성 일치, 정렬을 위한 변환 계산의 네 가지 단계로 구성됩니다. 이 새로운 패러다임은 등록에 대한 더 높은 수준의 이해를 도입하여 전통적인 접근 방법의 어려운 문제를 명확히 합니다. 이 작업의 주요 기여는 학습 기반 관점에서 등록 문제를 다루기 위한 포괄적인 출발점을 제공하고 새로운 가능성의 범위를 이해하는 것입니다.