技術要約：Neural Phase Correlation（ニューラル・フェーズ・コリレーション）

問題提起

高密度な対応関係（Dense correspondence）の探索とは、共通のシーンに対する2つの観測結果間の、ピクセル単位の写像を確立することである。現在の主流な学習ベースの手法は、以下の2つのアーキテクチャの伝統に分類される：

1. 記述子ベースの手法（Descriptor-based methods）: 各画像を独立してエンコードし、特徴ベクトル間の類似度計算を通じて対応関係を推論する（例：SIFT、学習済み記述子、コストボリュームネットワーク）。
2. 結合ベースの手法（Concatenation-based methods）: 画像ペアを学習済みエンコーダへの入力としてスタックし、変位場を直接回帰させる（例：VoxelMorph、TransMorph）。これらは明示的な類似度指標を構築することはない。

どちらの伝統も、変換を類似度関数またはデコーダの暗黙的な出力として扱う。対照的に、**フェーズ・コリレーション（位相相関）**は、フーリエ領域で画像間の関係性を直接測定するという、典型的な例外である。しかし、古典的なフェーズ・コリレーションは硬直的である。それは固定されたフーリエ基底に依存しており、各クロスパワースペクトルのピークが単一のシフトパラメータをエンコードするため、手法を全域的な平行移動に限定してしまう。この硬直した仮定が崩れた場合（例：非剛体変形）、その手法は破綻するが、なぜ失敗したのかという原理的な診断手段を持たない。

手法

本論文では、固定されたフーリエ基材を学習されたフィルタペアに置き換えることで、フェーズ・コリレーションの学習による一般化であるNeural Phase Correlation (NPC) を導入する。核心となる仮説は、局所的なパッチ間の変換は、2次元の不変部分空間上で作用する直交演算子としてモデル化できるという点である。

コア・アーキテクチャ

本フレームワークは、フェーズ・コリレーションのパイプラインを一般化した3つのステージで構成される：

1. 学習されたフィルタペア（エンコーダ）:
   固定されたフーリエ変換の代わりに、エンコーダは2組のフィルタペア $\Psi$ と $\Phi$ のバンクを学習する。各ペア $(\psi_k, \phi_k)$ は2次元の部分空間を生成する。モデルは、局所的なパッチ変換 $L_p$ に対して、これらの部分空間が $L_p$ の不変部分空間と一致すると仮定する。ここで、$L_p$ は平面回転 $R(\theta_k)$ として作用する。
   $$y(p) = L_p x(p), \quad L_p = U \text{diag}(R(\theta_1), \dots, R(\theta_C)) U^T$$
   ここで、$U$ は学習された位置依存の固有基底であり、フィルタはこれらの部分空間を構成するように学習される。

2. 双線形相互作用と残差ゲーティング（Bilinear Interaction & Residual Gating）:
   各フィルタペア $k$ について、モデルは応答 $\psi_k^T x$ および $\phi_k^T y$ を計算する。双線形相互作用により、回転角 $(\cos \theta_k, \sin \theta_k)$ と大きさが抽出される。
   極めて重要なのは、本フレームワークが閉形式の局所残差 $r_k^2(p)$ を導入している点である：
   $$r_k^2(p) = \left( \|\phi_k^T y(p)\| - \|\psi_k^T x(p)\| \right)^2$$
   この残差は、フィルタペアの広がり（span）が局所的な変換に対して不変であるかどうかをテストする。もし広がりが不変であり、演算子が直交であれば、残差はゼロになる。

• 推論: 微分可能なTop-K選択により、残差の高い部分空間をマスクし、非不変な部分空間が変位推定を阻害することを防ぐ。
• 学習: 残差が教師信号を制御（ゲート）し、フィルタバンクが「汎用的なもの」ではなく、特定の変換に特化した「スペシャリスト」へと収束するように促す。

3. ODEのインスタンス化（デコーダ）:
   大きな変形を扱うために、モデルは変位場 $\phi(t)$ に関する非自律常微分方程式（ODE）を反復実行する：
   $$\frac{d\phi}{dt} = M(x \circ \phi(t), y), \quad \phi(0) = \text{id}$$
   モデルは、進行的にワーピングされた移動画像に対して、各タイムステップごとに再評価される。これにより、有効なフィルタペア（Top-K選択）が時間とともにシフトすることを可能にし、初期には粗い変位を、後には微細な精緻化を捉えることができる。

主な貢献

1. フェーズ・コリレーションの学習による一般化: 本フレームワークは、変換が分解される基底を学習することで、フェーズ・コリレーションのプリミティブを、全域的な平行移動から、非剛体変形下での高密度かつ空間的に変化する対応関係へと拡張する。
2. 閉形式の残差メカニメント: 部分空間の不変性をテストする、理論的に裏付けられた残差 $r_k^2$（付録Bにおいて必要かつ、ほとんど確実に十分であることが証明されている）を提供する。これは、推論時には無効な部分空間をマスクする組み込みの診断として機能し、学習時にはフィルタバンクの形状を決定する。
3. タスク非依存のエンコーダ、タスク特化のデコーダ: エンコーダは、タスクに関わらず局所的な直交演算子を回収する。デコーダはこのエンコーディングを適応させる：
   • 画像レジストレーションの場合: 角度が高密度な変位場を駆動する。
   • ユニタリ動力学の場合: 角度は固有エネルギー位相を表し、波動関数とハミルトニアン・スペクトルの再構成を可能にする。
4. 最先端の性能: 本フレームワークは、補助的なスコアリングや適応的平滑化メカニズムを用いることなく、医療画像ベンチマークにおいてトップレベルの結果を達成する。

実験結果

医療画像レジストレーション

• ACDC (心臓MRI): モデルは平均Diceスコア 0.863 および、より困難なED→ES方向で 0.843 を達成し、強力な既存手法（例：DWCPの0.837/0.813）を上回った。これは、同じ損失関数で再学習したVoxelMorphをも上回っており、アーキテクチャによる利得を孤立させて示している。
• CAMUS (心エコー図): LV心筋において、補助的な対応関係スコアリング推定器や適応的平滑化機構を必要とせずに、最新手法（VoxelMorph + AdaCS）と同等のDiceスコア 0.820 を達成した。内部の残差メカニズムが、同等の信頼性ゲーティングを提供している。
• 汎用性: 本手法は、2D脳MRI (OASIS) やサブメートル級の合成開口レーダー (SAR) 画像においても、古典的なフェーズ・コリレーションを凌駕している。

量子調和振動子 (QHO)

ランダム化され、観測されていない時間間隔 $\tau$ を持つ、1次元量子調和振動子の時間発展した波動関数ペアに適用：

• フレームワークは、解析解に対する点別オーバーラップ1.000で、エルミート関数固有関数を回収する。
• 未知のハミルトニアンから、観測されたペアのみから量子化されたエネルギー準位を回収する。
• モデルは、ハミルトニアン、係数、または時間間隔を見ることなく動作しており、このプリミティブの代数的な汎用性を実証している。

意義と主張

論文は、Neural Phase Correlationが、記述子ベースのアーキテクチャには欠けている構造的な透明性を提供すると主張している。従来のディープラーニングにおける失敗モードはしばしば不透明であるが、NPCにおいては、失敗は（非不変な部分空間といった）特定の仮定の違反に、残差の大きさを通じて追跡可能である。

本研究は、フェーズ・コリレーションを、観測ペアから直交演算子を回収するためのツールへと一般化するものである。著者らは、記述子ベースのパラダイムがネットワークにゼロから対応関係を発見させるのに対し、本フレームワークは、タスクの大部分（直交的な性質）を既にエンコードしている構造に対して、ネットワークが「残りの不規則性」のみを学習するように制限していると述べている。同じ代数的なプリミティブが、心臓レジストレーションと量子ハミルトニアン回収の両方を成功裏に解決していることは、高密度な対応関係と力学系の識別を統合するアプローチを示唆している。

限界: 本フレームワークは、局所的な変換が近似的に直交であることを前提としている。修正なしでは、非局所的な直交構造（例：遠くのピクセルを混合するオプティカルフロー）を捉えることはできない。また、QHOの実験において、再構成損失がグローバル位相に対して不変であることは、大きな時間間隔においてスペクトルの断片化を招き、エネルギー回収を制限する場合がある。