Sintesi Tecnica: Correlazione di Fase Neurale

Definizione del Problema

La corrispondenza densa mira a stabilire una mappatura pixel per pixel tra due osservazioni di una scena comune. Gli attuali metodi dominanti basati sull'apprendimento rientrano in due tradizioni architettoniche:

1. Metodi basati su descrittori: Codificano ogni immagine indipendentemente e inferiscono la corrispondenza tramite computazioni di similarità tra vettori di caratteristiche (es. SIFT, descrittori appresi, reti a volume di costo).
2. Metodi basati sulla concatenazione: Impilano coppie di immagini come input di un encoder appreso per regredire direttamente un campo di spostamento (es. VoxelMorph, TransMorph), senza mai costruire una metrica di similarità esplicita.

Entrambe le tradizioni trattano la trasformazione come un output implicito di una funzione di similarità o di un decoder. Al contrario, la correlazione di fase è l'eccezione canonica, misurando le relazioni inter-immagine direttamente nel dominio di Fourier. Tuttavia, la classica correlazione di fase è rigida: si basa su una base di Fourier fissa dove ogni picco dello spettro di cross-potenza codifica un singolo parametro di traslazione, confinando il metodo alla traslazione globale. Quando questa ipotesi rigida fallisce (es. in deformazioni non rigide), il metodo crolla senza un diagnostico principato del perché sia fallito.

Metodologia

Il documento introduce la Correlazione di Fase Neurale (NPC), una generalizzazione appresa della correlazione di fase che sostituisce la base di Fourier fissa con coppie di filtri appresi. L'ipotesi centrale è che la trasformazione locale tra due patch di immagine possa essere modellata come un operatore ortogonale che agisce su sottospazi 2-D invarianti.

Architettura Core

Il framework consiste in tre stadi, generalizzando la pipeline classica della correlazione di fase:

1. Coppie di Filtri Appresi (Encoder):
   Inveve di trasformate di Fourier fisse, l'encoder apprende due banche di coppie di filtri, $\Psi$ e $\Phi$. Ogni coppia $(\psi_k, \phi_k)$ copre un sottospazio 2-D. Il modello assume che, per una trasformazione di patch locale $L_p$, questi sottospazi si allineino con i sottospazi invarianti di $L_p$, dove $L_p$ agisce come una rotazione planare $R(\theta_k)$.
   $$y(p) = L_p x(p), \quad L_p = U \text{diag}(R(\theta_1), \dots, R(\theta_C)) U^T$$
   Qui, $U$ è una base propria appresa e dipendente dalla posizione, e i filtri imparano a coprire questi sottospazi.

2. Interazione Bilineare e Gating Residuo:
   Per ogni coppia di filtri $k$, il modello calcola le risposte $\psi_k^T x$ e $\phi_k^T y$. Un'interazione bilineare estrae l'angolo di rotazione $(\cos \theta_k, \sin \theta_k)$ e la magnitudo.
   Fondamentalmente, il framework introduce un residuo a forma chiusa per località $r_k^2(p)$:
   $$r_k^2(p) = \left( \|\phi_k^T y(p)\| - \|\psi_k^T x(p)\| \right)^2$$
   Questo residuo testa se l'estensione della coppia di filtri è invariante sotto la trasformazione locale. Se l'estensione è invariante e l'operatore è ortogonale, il residuo è zero.

   • Inferenza: Una selezione Top-K differenziabile maschera i sottospazi con residui elevati, impedendo ai sottospazi non invarianti di corrompere la stima dello spostamento.
   • Addestramento: Il gating residuo guida la supervisione, incoraggiando la banca di filtri a convergere verso "specialisti" (coppie che si allineano con trasformazioni specifiche) piuttosto che verso "generalisti".

3. Istanziazione ODE (Decoder):
   Per gestire grandi deformazioni, il modello itera un'Equazione Differenziale Ordinaria (ODE) non autonoma sul campo di spostamento $\phi(t)$:
   $$\frac{d\phi}{dt} = M(x \circ \phi(t), y), \quad \phi(0) = \text{id}$$
   Il modello viene rivalutato ad ogni passo temporale rispetto all'immagine mobile progressivamente deformata (warped). Ciò consente alle coppie di filtri attive (selezione Top-K) di cambiare nel tempo, catturando spostamenti grossolani nelle fasi iniziali e raffinamenti su scala fine successivamente.

Contributi Chiave

1. Generalizzazione Appresa della Correlazione di Fase: Il framework estende la primitiva della correlazione di fase dalla traslazione globale alla corrispondenza densa e spazialmente variabile sotto deformazione non rigida, apprendendo la base su cui la trasformazione si decompone.
2. Meccanismo di Residuo a Forma Chiusa: Un residuo $r_k^2$ con fondamento teorico (dimostrato come necessario e quasi certamente sufficiente nell'Appendice B) che testa l'invarianza del sottospazio. Questo funge da diagnostico integrato, mascherando i sottospazi non validi durante l'inferenza e modellando la banca di filtri durante l'addestramento.
3. Encoder Agnostico al Task, Decoder Specifico per il Task: L'encoder recupera operatori ortogonali locali indipendentemente dal compito. Il decoder adatta questa codifica:
   • Per la registrazione di immagini, gli angoli guidano un campo di spostamento denso.
   • Per la dinamica unitaria, gli angoli rappresentano le fasi dell'energia propria, permettendo la ricostruzione di funzioni d'onda e spettri Hamiltoniani.
4. Prestazioni allo Stato dell'Arte: Il framework raggiunge i migliori risultati nei benchmark di imaging medico senza meccanismi di scoring ausiliari o di smoothness adattiva.

Risultati Sperimentali

Registrazione di Immagini Mediche

• ACDC (Cardiac MRI): Il modello raggiunge un punteggio Dice medio di 0.863 e 0.843 nella direzione più difficile ED→ES, superando i più forti baseline pubblicati (es. DWCP con 0.837/0.813). Supera VoxelMorph riaddestrato con la stessa funzione di perdita, isolando il guadagno architettonico.
• CAMUS (Ecocardiografia): Il modello eguaglia lo stato dell'arte (VoxelMorph + AdaCS) con un Dice di 0.820 per il miocardio del ventricolo sinistro, ma senza richiedere stimatori ausiliari di scoring della corrispondenza o meccanismi di smoothness adattiva. Il meccanismo di residuo interno fornisce un gating di affidabilità equivalente.
• Generalizzazione: Il metodo supera anche la classica correlazione di fase su MRI cerebrale 2-D (OASIS) e su immagini SAR (Synthetic Aperture Radar) sub-metriche.

Oscillatore Armonico Quantistico (QHO)

Applicato a coppie di funzioni d'onda evolute nel tempo di un oscillatore armonico quantistico 1-D con intervalli temporali $\tau$ casuali e non osservati:

• Il framework recupera gli autostati delle funzioni di Hermite con un overlap puntuale di 1.000 rispetto alle soluzioni analitiche.
• Recupera i livelli di energia quantizzati dell'Hamiltoniana ignota partendo solo dalle coppie di osservazione.
• Il modello opera senza vedere l'Hamiltoniana, i coefficienti o gli intervalli temporali, dimostrando la generalità algebrica della primitiva.

Significato e Rivendicazioni

Il documento afferma che la Correlazione di Fase Neurale offre una trasparenza strutturale assente nelle architetture basate su descrittori. Nella deep learning tradizionale, i modi di fallimento sono spesso opachi; in NPC, il fallimento è tracciabile a specifici presupposti violati (sottospazi non invarianti) tramite l'entità del residuo.

Questo lavoro generalizza la correlazione di fase in uno strumento per il recupero di operatori ortogonali da coppie di osservazione. Gli autori sostengono che, mentre i paradigmi basati su descrittori chiedono alla rete di scoprire la corrispondenza da zero, questo framework limita la rete a imparare solo le irregolarità residue di una struttura che già codifica la maggior parte del compito (la natura ortogonale della trasformazione). La stessa primitiva algebrica risolve con successo sia la registrazione cardiaca che il recupero dell'Hamiltoniana quantistica, suggerendo un approccio unificato alla corrispondenza densa e all'identificazione di sistemi dinamici.

Limitazioni: Il framework assume che la trasformazione locale sia approssimativamente ortogonale. Non cattura strutture ortogonali non locali (es. il mixing di pixel distanti nel flusso ottico) senza modifiche. Inoltre, per l'esperimento QHO, l'invarianza della perdita di ricostruzione rispetto alla fase globale può portare alla frammentazione dello spettro a intervalli temporali elevati, limitando il recupero dell'energia nei regimi di multi-wrap.