Resumen Técnico: Correlación de Fase Neuronal

Planteamiento del Probleza

La correspondencia densa busca establecer un mapeo píxel a píxel entre dos observaciones de una escena común. Los métodos actuales dominantes basados en aprendizaje se dividen en dos tradiciones arquitectónicas:

1. Métodos basados en descriptores: Codifican cada imagen de forma independiente e infieren la correspondencia mediante cálculos de similitud entre vectores de características (p. ej., SIFT, descriptores aprendidos, redes de volumen de costo).
2. Métodos basados en concatenación: Apilan pares de imágenes como entrada a un codificador aprendido para regredir un campo de desplazamiento directamente (p. ej., VoxelMorph, TransMorph), sin construir nunca una métrica de similitud explícita.

Ambas tradiciones tratan la transformación como un output implícito de una función de similitud o de un decodificador. En contraste, la correlación de fase es la excepción canónica, midiendo las relaciones entre imágenes directamente en el dominio de Fourier. Sin embargo, la correlación de fase clásica es rígida: depende de una base de Fourier fija donde cada pico del espectro de potencia cruzada codifica un único parámetro de desplazamiento, lo que confina el método a la traslación global. Cuando esta suposición rígida falla (p. ej., en deformaciones no rígidas), el método colapsa sin un diagnóstico principista de por qué falló.

Metodología

El artículo introduce la Correlación de Fase Neuronal (NPC), una generalización aprendida de la correlación de fase que reemplaza la base de Fourier fija por pares de filtros aprendidos. La hipótesis central es que la transformación local entre dos parches de imagen puede modelarse como un operador ortogonal actuando sobre subespacios invariantes de 2-D.

Arquitectura Central

El marco consta de tres etapas, generalizando el flujo de trabajo de la correlación de fase clásica:

1. Pares de Filtros Aprendidos (Codificador):
   En lugar de transformadas de Fourier fijas, el codificador aprende dos bancos de pares de filtros, $\Psi$ y $\Phi$. Cada par $(\psi_k, \phi_k)$ abarca un subespacio de 2-D. El modelo asume que para una transformación de parche local $L_p$, estos subespacios se alinean con los subespacios invariantes de $L_p$, donde $L_p$ actúa como una rotación planar $R(\theta_k)$.
   $$y(p) = L_p x(p), \quad L_p = U \text{diag}(R(\theta_1), \dots, R(\theta_C)) U^T$$
   Aquí, $U$ es una base propia aprendida y dependiente de la ubicación, y los filtros aprenden a abarcar estos subespacios.

2. Interacción Bilineal y Compuerta Residual (Residual Gating):
   Para cada par de filtros $k$, el modelo calcula las respuestas $\psi_k^T x$ y $\phi_k^T y$. Una interacción bilineal extrae el ángulo de rotación $(\cos \theta_k, \sin \theta_k)$ y la magnitud.
   Crucialmente, el marco introduce un residuo de forma cerrada por ubicación $r_k^2(p)$:
   $$r_k^2(p) = \left( \|\phi_k^T y(p)\| - \|\psi_k^T x(p)\| \right)^2$$
   Este residuo pone a prueba si el span del par de filtros es invariante bajo la transformación local. Si el span es invariante y el operador es ortogonal, el residuo es cero.

   • Inferencia: Una selección Top-K diferenciable enmascara los subespacios con residuos altos, evitando que los subespacios no invariantes corrompan la estimación del desplazamiento.
   • Entrenamiento: El residuo actúa como compuerta para la supervisión, alentando al banco de filtros a converger hacia "especialistas" (pares que se alinean con transformaciones específicas) en lugar de "generalistas".

3. Instanciación de ODE (Decodificador):
   Para manejar deformaciones grandes, el modelo itera una Ecuación Diferencial Ordinaria (ODE) no autónoma sobre el campo de desplazamiento $\phi(t)$:
   $$\frac{d\phi}{dt} = M(x \circ \phi(t), y), \quad \phi(0) = \text{id}$$
   El modelo se reevalúa en cada paso de tiempo contra la imagen móvil progresivamente deformada (warped). Esto permite que los pares de filtros activos (la selección Top-K) cambien con el tiempo, capturando desplazamientos gruesos al principio y refinamientos de escala fina después.

Contribuciones Clave

1. Generalización Aprendida de la Correlación de Fase: El marco extiende la primitiva de correlación de fase de la traslación global a la correspondencia densa y espacialmente variable bajo deformación no rígida, aprendiendo la base sobre la cual se descompone la transformación.
2. Mecanismo de Residuo de Forma Cerrada: Un residuo $r_k^2$ con fundamento teórico (probado como necesario y casi-seguramente suficiente en el Apéndice B) que prueba la invariancia del subespacio. Esto sirve como un diagnóstico integrado, enmascarando subespacios inválidos durante la inferencia y dando forma al banco de filtros durante el entrenamiento.
3. Codificador Agnóstico a la Tarea, Decodificador Específico de la Tarea: El codificador recupera operadores ortogonales locales independientemente de la tarea. El decodificador adapta esta codificación:
   • Para el registro de imágenes, los ángulos impulsan un campo de desplazamiento denso.
   • Para la dinámica unitaria, los ángulos representan fases de energía propia, permitiendo la reconstrucción de funciones de onda y espectros hamiltonianos.
4. Rendimiento de Vanguardia (State-of-the-Art): El marco logra resultados superiores en benchmarks de imágenes médicas sin necesidad de puntuadores auxiliares o mecanismos de suavidad adaptativa.

Resultados Experimentales

Registro de Imágenes Médicas

• ACDC (MRI Cardíaca): El modelo logra un coeficiente Dice promedio de 0.863 y 0.843 en la dirección más difícil ED→ES, superando a los bazelines publicados más fuertes (p. ej., DWCP con 0.837/0.813). Supera a VoxelMorph reentrenado con la misma función de pérdida, aislando la ganancia arquitectónica.
• CAMUS (Ecocardiografía): El modelo iguala al estado del arte (VoxelMorph + AdaCS) con un Dice de 0.820 para el miocardio del ventrículo izquierdo, pero sin requerir estimadores auxiliares de puntuación de correspondencia o maquinaria de suavidad adaptativa. Su mecanismo de residuo interno proporciona una compuerta de fiabilidad equivalente.
• Generalización: El método también supera a la correlación de fase clásica en MRI cerebral en 2-D (OASIS) e imágenes de Radar de Apertura Sintética (SAR) sub-métricas.

Oscilador Armónico Cuántico (QHO)

Aplicado a pares de funciones de onda evolucionadas en el tiempo del oscilador armónico cuántico de 1-D con intervalos de tiempo $\tau$ aleatorios y no observados:

• El marco recupera los autoestados de las funciones de Hermite con un solapamiento puntual de 1.000 frente a las soluciones analíticas.
• Recupera los niveles de energía cuantizados del Hamiltoniano desconocido a partir de pares de observación únicamente.
• El modelo opera sin ver el Hamiltoniano, los coeficientes o los intervalos de tiempo, demostrando la generalidad algebraica de la primitiva.

Significancia y Reivindicaciones

El artículo afirma que la Correlación de Fase Neuronal ofrece una transparencia estructural ausente en las arquitecturas basadas en descriptores. En el aprendizaje profundo tradicional, los modos de fallo suelen ser opacos; en NPC, el fallo es rastreable a la violación de supuestos específicos (subespacios no invariantes) mediante la magnitud del residuo.

Este trabajo generaliza la correlación de fase en una herramienta para recuperar operadores ortogonales a partir de pares de observación. Los autores argumentan que, mientras que los paradigmas basados en descriptores piden a la red descubrir la correspondencia desde cero, este marco restringe a la red a aprender solo las irregularidades residuales de una estructura que ya codifica la mayor parte de la tarea (la naturaleza ortogonal de la transformación). La misma primitiva algebraica resuelve con éxito tanto el registro cardíaco como la recuperación del Hamiltoniano cuántico, sugiriendo un enfoque unificado para la correspondencia densa y la identificación de sistemas dinámicos.

Limitaciones: El marco asume que la transformación local es aproximadamente ortogonal. No captura estructuras ortogonales no locales (p. ej., mezcla de píxeles distantes en flujo óptico) sin modificaciones. Además, para el experimento QHO, la invariancia de la pérdida de reconstrucción respecto a la fase global puede llevar a la fragmentación del espectro en intervalos de tiempo grandes, limitando la recuperación de la energía en regímenes de múltiples envoltorios (multi-wrap).