Resumen Técnico: RAFT-DVC: Correlación de Volumen Digital Basada en Aprendizaje Automático con Conciencia de la Resolución

Planteamiento del Problema

La Correlación de Volumen Digital (DVC) es una herramienta crítica para medir campos de desplazamiento y deformación tridimensional dentro de imágenes volumétricas. Sin embargo, los métodos convencionales de DVC enfrentan desafíos significativos relacionados con la sensibilidad de los parámetros, el costo computacional y la dificultad de adaptarse a variaciones en las texturas volumétricas y las magnitudes de desplazamiento. Si bien el aprendizaje automático (ML) ha introducido alternativas más rápidas como DVC-Net y VolRAFT, sus características de rendimiento siguen estando insuficientemente comprendidas. Específicamente, la relación entre la resolución de la rejilla de características interna de un modelo y su precisión de desplazamiento final en las coordenadas del volumen bruto no está clara. Además, los métodos de DVC basados en ML existentes suelen carecer de una caracterización sistemática de sus regímenes operativos (compatibilidad de textura y alcance de desplazamiento), sus umbrales de ruido de deformación cero y su resolución espacial, lo que dificulta que los usuarios seleccionen el solver apropiado para una condición experimental dada.

Metodología

Los autores presentan RAFT-DVC, una familia de solvers con conciencia de la resolución basada en la arquitectura de Transformadas de Campo de Todos los Pares Recurrentes (RAFT), extendida para la estimación de desplazamientos volumétricos.

Arquitectura y Diseño

• Marco Central: RAFT-DVC utiliza un codificador de características 3D compartido para mapear los volúmenes de referencia y deformados en representaciones de características. Construye un volumen de correlación de 6D e itera para refinar un campo de desplazamiento denso utilizando una Unidad Recurrente de Compuerta Convolucional (ConvGRU).
• Brazos con Conciencia de la Resolución: El marco consiste en tres solvers (brazos) distintos denominados s2, s4 y s8, que corresponden a factores de submuestreo del codificador de $s = 2, 4$ y $8$. Estos brazos difieren únicamente en la ubicación de las operaciones de submuestreo de paso (stride) 2 dentro del codificador, lo que resulta en rejillas de características internas con espaciados de 2, 4 y 8 vóxeles brutos, respectivamente.
• Diseño de Rejilla de Características Emparejado: Para aislar el efecto de la resolución, los autores emplearon un diseño emparejado donde el tamaño del volumen de entrada, el radio de la partícula, la densidad de partículas y la magnitud del desplazamiento se escalaron proporcionalmente con $s$. Esto aseguró que los tres brazos operaran sobre la misma rejilla de características de $16^3$ y encontraran geometrías de partículas y rangos de desplazamiento idénticos en las coordenadas de la rejilla de características.
• Entrenamiento: Los modelos fueron entrenados en volúmenes etiquetados con partículas sintéticas con campos de desplazamiento de verdad de terreno prescritos (rígidos, afines y cuadráticos). La distribución de entrenamiento fue cuidadosamente controlada para coincidir con los regímenes específicos de partículas y desplazamiento para cada brazo.
• Consistencia de Coordenadas: Los autores identificaron y corrigieron inconsistencias en el orden de las coordenadas en el muestreo de correlación 3D de RAFT mediante una prueba de impulso no cúbica, asegurando la corrección geométrica independientemente del entrenamiento de la red.

Métricas de Evaluación

El estudio utilizó las siguientes métricas:

• Error de Punto Final (EPE): Medido tanto en vóxeles de volumen bruto ($EPE_{raw}$) como en vóxeles de volumen de características ($EPE_{feature}$).
• Residuo de Ajuste de Imagen Libre de Referencia (CSSD): Una métrica que cuantifica la alineación de los volúmenes de referencia y deformados sin necesidad de una verdad de terreno.
• Resolución Espacial de la Deformación: Determinada mediante campos de desplazamiento sinusoidales de frecuencia barrida para medir la longitud de onda crítica en la que ocurre la atenuación de la amplitud.
• Umbral de Ruido de Deformación Cero: Medido utilizando pares de imágenes estáticas con desplazamiento prescrito cero.

Contribuciones Clave

1. Marco RAFT-DVC: Introducción de una familia de tres solvers con diversos factores de submuestreo del codificador ($s=2, 4, 8$) diseñados para caracterizar sistemáticamente los compromisos entre la resolución interna y la precisión del volumen bruto.
2. Ley de Escalamiento Empírico: Establecimiento de una relación empírica que muestra que el error de desplazamiento permanece aproximadamente constante en unidades de la rejilla de características ($EPE_{feature} \approx 0.017$ vóxeles) a través de los diferentes solvers. Consecuentemente, el error en las coordenadas del volumen bruto escala linealmente con el factor de submuestreo ($EPE_{raw} \approx 0.017s$).
3. Caracterización del Régimen Operativo: Demostración de que el rendimiento del solver está gobernado conjuntamente por el alcance del desplazamiento y la compatibilidad de la textura volumétrica. Los autores mapearon estos regímenes, mostrando que ningún solver es universalmente óptimo; la selección depende de la combinación específica de tamaño de partícula y magnitud de desplazamiento.
4. Validación Geométrica: Identificación de inconsistencias en el orden de las coordenadas en el muestro 3D de RAFT y la introducción de una prueba de impulso no cúbica para verificar la geometría del muestreador de forma independiente al entrenamiento de la red. La corrección de esto mejoró significamente la precisión y la generalización a dimensiones de volumen no vistas.
5. Benchmarking Exhaustivo: Comparación sistemática de RAFT-DVC contra métodos clásicos locales, globales y de Lagrangiano aumentado, así como contra VolRAFT, a través de conjuntos de datos sintéticos y experimentales.

Resultados

Precisión y Escalamiento

• Bajo condiciones emparejadas, los tres solvers localizaron el desplazamiento a $\approx 0.017$ vóxeles de características. En coordenadas de volumen bruto, esto se tradujo en errores de $\approx 0.036$ (s2), $0.061$(s4) y$0.133$ (s8) vóxeles, confirmando el escalamiento lineal $EPE_{raw} \propto s$.
• Ruido de Deformación Cero: Los solvers de RAFT-DVC exhibieron umbrales de ruido de $0.018–0.047$ vóxeles, ligeramente superiores a los métodos clásicos ajustados ($0.005–0.015$ vóxeles), pero significativamente mejores que la implementación original de VolRAFT.

Regímenes Operativos

• Rendimiento Dentro de la Distribución (In-Distribution): En escenarios que coincidían con sus regímenes de entrenamiento (partículas finas/desplazamiento pequeño para s2; partículas gruesas/desplazamiento grande para s8), RAFT-DVC logró errores comparables o mejores que los métodos clásicos. Específicamente, en condiciones de partículas gruesas y grandes desplazamientos, RAFT-DVC s8 redujo el error de punto final en $\approx 1.9\times$ en comparación con el DVC de Lagrangiano Aumentado (ALDVC).
• Rendimiento Fuera de la Distribución (OOD): El rendimiento se degradó significamente cuando hubo un desajuste entre el tamaño de la partícula y la magnitud del desplazamiento. Por ejemplo, aplicar el solver de rejilla fina s2 a grandes desplazamientos causó un colapso en la precisión, mientras que aplicar el solver de rejilla gruesa s8 a partículas finas (pequeñas en relación con su rejilla de características) también aumentó el error. Esto resalta que la selección del solver requiere emparejar tanto la textura como la escala de desplazamiento.

Resolución Espacial y Grandes Volúmenes

• Resolución Espacial: La longitud de onda crítica para la recuperación de la amplitud del 85% ($\lambda_{85}$) escaló de forma sublineal con $s$ (por ejemplo, 30 vóxeles para s2, 94 vóxeles para s8). Esto indica que, si bien los solvers más gruesos manejan desplazamientos mayores, resuelven menos eficazmente las variaciones espaciales finas en las coordenadas brutas, aunque mantienen la resolución relativa a su rejilla de características.
• Escalabilidad: RAFT-DVC demostró la capacidad de procesar grandes volúmenes (por ejemplo, $512^3$ vóxeles) utilizando inferencia por teselas (tiled inference). El solver s8 procesó un volumen de $512^3$ en 18.4 segundos en una sola GPU, produciendo campos de desplazamiento densos, mientras que los métodos clásicos requirieron minutos u horas en CPUs y produjeron salidas nodales más dispersas.

Validación Experimental

• En datos de indentación confocal experimental, RAFT-DVC s4 y s8 reprodujeron la estructura espacial de las soluciones de DVC clásicas con una alta correlación ($\rho \approx 0.90–0.99$).
• El solver s2 falló en regiones de alta deformación donde los desplazamientos locales excedieron su rango operativo caracterizado, validando el poder predictivo de los mapas de régimen operativo sintéticos.
• Los residuales de imagen libres de referencia (CSSD) proporcionaron información complementaria, revelando que, aunque s8 correlacionaba bien globalmente, s4 ofrecía una calidad de ajuste de imagen local superior en ciertas regiones.

Generalización

• A pesar de haber sido entrenados solo con datos sintéticos etiquetados con partículas, los solvers se transfirieron a imágenes de micro-CT de espuma elastomérica (una textura celular continua), siguiendo las soluciones clásicas con una precisión cuantificada, lo que sugiere una potencial transferencia entre texturas.

Significado y Reivindicaciones

El artículo afirma que RAFT-DVC establece un marco rápido y con conciencia de la resolución para DVC denso con precisión y regímenes operativos caracterizados. Los autores enfatizan que:

1. El aprendizaje no elimina la selección de parámetros, sino que la relocaliza: En lugar de ajustar parámetros numéricos (tamaño de subvolumen, rango de búsqueda) para cada medición, los usuarios deben seleccionar un solver pre-entrenado con un régimen operativo caracterizado que sea compatible con su textura y escala de deformación específica.
2. El espaciado de la rejilla de características es una variable de diseño: La resolución interna de la red dicta directamente la escala de precisión del volumen bruto, proporcionando una interpretación geométrica del compromiso entre precisión y resolución.
3. La corrección de la implementación es primordial: El estudio destaca que las inconsistencias geométricas en el muestreo de la correlación 3D pueden degradar severamente el rendimiento y la generalización, lo que requiere métodos de verificación independientes como la prueba de impulso no cúbica.

Los autores concluyen que, si bien el DVC basado en ML ofrece mejoras sustanciales en velocidad y salidas densas, no es un reemplazo universal para los métodos clásicos. Más bien, proporciona un conjunto complementario de herramientas donde la selección del solver debe guiarse por una comprensión rigurosa de la interacción entre la textura de la imagen, la magnitud del desplazamiento y la resolución interna del solver. El trabajo proporciona a la comunidad modelos entrenados, generadores de datos sintéticos y herramientas de diagnóstico para apoyar un DVC basado en aprendizaje reproducible y cuantitativo.