Resumo Técnico: Correlação de Fase Neural

Declaração do Problema

A correspondência densa busca estabelecer um mapeamento pixel a pixel entre duas observações de uma cena comum. As atuais metodologias dominantes baseadas em aprendizado seguem duas tradições arquiteturais:

1. Métodos baseados em descritores: Codificam cada imagem independentemente e inferem a correspondência via computações de similaridade entre vetores de características (ex: SIFT, descritores aprendidos, redes de volume de custo).
2. Métodos baseados em concatenação: Empilham pares de imagens como entrada para um codificador aprendido para regredir diretamente um campo de deslocamento (ex: VoxelMorph, TransMorph), sem construir explicitamente uma métrica de similaridade.

Ambas as tradições tratam a transformação como um output implícito de uma função de similaridade ou decodificador. Em contraste, a correlação de fase é a exceção canônica, medindo relações entre imagens diretamente no domínio de Fourier. No entanto, a correlação de fase clássica é rígida: ela depende de uma base de Fourier fixa onde cada pico do espectro de potência cruzada codifica um único parâmetro de deslocamento, confinando o método à translação global. Quando essa suposição rígida falha (ex: em deformação não-rígida), o método colapsa sem um diagnóstico principiado do porquê falhou.

Metodologia

O artigo introduz a Correlação de Fase Neural (NPC), uma generalização aprendida da correlação de fase que substitui a base de Fourier fixa por pares de filtros aprendidos. A hipótese central é que a transformação local entre dois patches de imagem pode ser modelada como um operador ortogonal atuando sobre subespaços invariantes de 2-D.

Arquitetura Central

O framework consiste em três estágios, generalizando o pipeline clássico de correlação de fase:

1. Pares de Filtros Aprendidos (Encoder):
   Em vez de transformadas de Fourier fixas, o encoder aprende dois bancos de pares de filtros, $\Psi$ e $\Phi$. Cada par $(\psi_k, \phi_k)$ abrange um subespaço de 2-D. O modelo assume que, para uma transformação de patch local $L_p$, esses subespaços se alinham com os subespaços invariantes de $L_p$, onde $L_p$ atua como uma rotação planar $R(\theta_k)$.
   $$y(p) = L_p x(p), \quad L_p = U \text{diag}(R(\theta_1), \dots, R(\theta_C)) U^T$$
   Aqui, $U$ é uma base de autovetores aprendida e dependente da localização, e os filtros aprendem a abranger esses subespaços.

2. Interação Bilinear e Gating de Resíduo:
   Para cada par de filtros $k$, o modelo calcula as respostas $\psi_k^T x$ e $\phi_k^T y$. Uma interação bilinear extrai o ângulo de rotação $(\cos \theta_k, \sin \theta_k)$ e a magnitude.
   Crucialmente, o framework introduz um resíduo de forma fechada por localização $r_k^2(p)$:
   $$r_k^2(p) = \left( \|\phi_k^T y(p)\| - \|\psi_k^T x(p)\| \right)^2$$
   Este resíduo testa se o span do par de filtros é invariante sob a transformação local. Se o span for invariante e o operador for ortogonal, o resíduo é zero.

   • Inferência: Uma seleção Top-K diferenciável mascara subespaços com altos resíduos, impedindo que subespaços não-invariantes corrompam a estimativa de deslocamento.
   • Treinamento: O resíduo orienta o gating da supervisão, encorajando o banco de filtros a convergir para "especialistas" (pares que se alinham com transformações específicas) em vez de "generalistas".

3. Instanciação de ODE (Decoder):
   Para lidar com grandes deformações, o modelo itera uma Equação Diferencial Ordinária (ODE) não-autônoma no campo de deslocamento $\phi(t)$:
   $$\frac{d\phi}{dt} = M(x \circ \phi(t), y), \quad \phi(0) = \text{id}$$
   O modelo é reavaliado em cada passo de tempo contra a imagem móvel progressivamente deformada (warped). Isso permite que os pares de filtros ativos (seleção Top-K) se desloquem ao longo do tempo, capturando deslocamentos grosseiros precocemente e refinamentos de escala fina posteriormente.

Contribuições Principais

1. Generalização Aprendida da Correlação de Fase: O framework estende o primitivo de correlação de fase da translação global para a correspondência densa e espacialmente variante sob deformação não-rígida, aprendendo a base sobre a qual a transformação se decompõe.
2. Mecanismo de Resíduo de Forma Fechada: Um resíduo teoricamente fundamentado $r_k^2$ (provado como necessário e quase-certamente suficiente no Apêndice B) que testa a invariância do subespaço. Isso serve como um diagnóstico integrado, mascarando subespaços inválidos na inferência e moldando o banco de filtros durante o treinamento.
3. Encoder Agnóstico à Tarefa, Decoder Específico para a Tarefa: O encoder recupera operadores ortogonais locais independentemente da tarefa. O decoder adapta este encoding:
   • Para registro de imagens, os ângulos impulsionam um campo de deslocamento denso.
   • Para dinâmica unitária, os ângulos representam fases de energia própria, permitindo a reconstrução de funções de onda e espectros Hamiltonianos.
4. Desempenho de Estado da Arte: O framework alcança resultados de topo em benchmarks de imagem médica sem necessidade de pontuação auxiliar ou mecanismos de suavidade adaptativa.

Resultados Experimentais

Registro de Imagem Médica

• ACDC (MRI Cardíaco): O modelo alcança um Dice score médio de 0.863 e 0.843 na direção mais difícil ED→ES, superando os baselines publicados mais fortes (ex: DWCP com 0.837/0.813). Supera o VoxelMorph re-treinado com a mesma função de perda, isolando o ganho arquitetural.
• CAMUS (Ecocardiografia): O modelo iguala o estado da arte (VoxelMorph + AdaCS) com um Dice de 0.820 para o miocárdio do VE, mas sem exigir estimadores auxiliares de pontuação de correspondência ou maquinaria de suavidade adaptativa. O mecanismo de resíduo interno fornece gating de confiabilidade equivalente.
• Generalização: O método também supera a correlação de fase clássica em MRI cerebral 2-D (OASIS) e imagens de Radar de Abertura Sintética (SAR) sub-métricas.

Oscilador Harmônico Quântico (QHO)

Aplicado a pares de funções de onda evoluídas temporalmente do oscilador harmônico quântico de 1-D com intervalos de tempo aleatórios e não observados $\tau$:

• O framework recupera os autovetores de função de Hermite com sobreposição pontual de 1.000 contra soluções analíticas.
• Recupera os níveis de energia quantizados do Hamiltoniano desconhecido a partir apenas de pares de observação.
• O modelo opera sem ver o Hamiltoniano, os coeficientes ou os intervalos de tempo, demonstrando a generalidade algébrica do primitivo.

Significância e Alegações

O artigo afirma que a Correlação de Fase Neural oferece uma transparência estrutural ausente em arquiteturas baseadas em descritores. No aprendizado profundo tradicional, os modos de falha são frequentemente opacos; na NPC, a falha é rastreável a suposições específicas violadas (subespaços não-invariantes) via magnitude do resíduo.

Este trabalho generaliza a correlação de fase em uma ferramenta para recuperar operadores ortogonais a partir de pares de observação. Os autores argumentam que, enquanto os paradigmas baseados em descritores pedem que a rede descubra a correspondência do zero, este framework restringe a rede a aprender apenas as irregularidades residuais de uma estrutura que já codifica a maior parte da tarefa (a natureza ortogonal da transformação). O mesmo primitivo algébrico resolve com sucesso tanto o registro cardíaco quanto a identificação de sistemas dinâmicos quânticos, sugerindo uma abordagem unificada para correspondência densa e identificação de sistemas dinâmicos.

Limitações: O framework assume que a transformação local é aproximadamente ortogonal. Ele não captura estruturas ortogonais não-locais (ex: mistura de pixels distantes no fluxo óptico) sem modificação. Além disso, para o experimento QHO, a invariância da perda de reconstrução em relação à fase global pode levar à fragmentação do espectro em intervalos de tempo longos, limitando a recuperação de energia em regimes de múltiplos wraps.