Resumo Técnico: RAFT-DVC: Correlação de Volume Digital Baseada em Aprendizado de Máquina com Sensibilidade à Resolução

Problema

A Correlação de Volume Digital (DVC) é uma ferramenta crítica para medir campos de deslocamento e deformação tridimensionais em imagens volumétricas. No entanto, os métodos convencionais de DVC enfrentam desafios significativos relacionados à sensibilidade de parâmetros, custo computacional e à dificuldade de adaptação a variações de texturas volumétricas e magnitudes de deslocamento. Embora o aprendizado de máquina (ML) tenha introduzido alternativas mais rápidas como DVC-Net e VolRAFT, suas características de desempenho permanecem mal compreendidas. Especificamente, a relação entre a resolução da grade de características interna de um modelo e sua precisão de deslocamento final nas coordenadas do volume bruto é incerta. Além disso, os métodos de DVC baseados em ML existentes carecem de uma caracterização sistemática de seus regimes operacionais (compatibilidade de textura e alcance de deslocamento), patamares de ruído de deformação zero e resolução espacial, tornando difícil para o usuário selecionar o solver apropriado para uma determinada condição experimental.

Metodologia

Os autores apresentam o RAFT-DVC, uma família de solvers sensíveis à resolução baseada na arquitetura Recurrent All-Pairs Field Transforms (RAFT), estendida para estimativa de deslocamento volumétrico.

Arquitetura e Design

• Estrutura Central: O RAFT-DVC utiliza um codificador de características 3D compartilhado para mapear volumes de referência e deformados em representações de características. Ele constrói um volume de correlação de todos os pares em 6D e refina iterativamente um campo de deslocamento denso usando uma Unidade Recorrente de Portão Convolucional (ConvGRU).
• Braços de Sensibilidade à Resolução: A estrutura consiste em três solvers distintos (braços) denominados s2, s4 e s8, correspondentes a fatores de subamostragem do codificador de $s = 2, 4$ e $8$. Esses braços diferem apenas no posicionamento das operações de subamostragem de stride-2 dentro do codificador, resultando em grades de características internas com espaçamentos de 2, 4 e 8 voxels brutos, respectivamente.
• Design de Grade de Características Casado: Para isolar o efeito da resolução, os autores empregaram um design casado onde o tamanho do volume de entrada, o raio da partícula, a densidade de partículas e a magnitude do deslocamento foram escalonados proporcionalmente com $s$. Isso garantiu que todos os três braços operassem na mesma grade de características de $16^3$ e encontrassem geometrias de partículas e intervalos de deslocamento idênticos em coordenadas de grade de características.
• Treinamento: Os modelos foram treinados em volumes rotulados com partículas sintéticas com campos de deslocamento de verdade fundamental (ground-truth) prescritos (rígido, afim e quadrático). A distribuição de treinamento foi cuidadosamente controlada para corresponder ao regime específico de partícula e deslocamento para cada braço.
• Consistência de Coordenadas: Os autores identificaram e corrigiram inconsistências de ordem de coordenadas na amostragem de correlação RAFT 3D usando um teste de impulso não cúbico, garantindo a correção geométrica independente do treinamento da rede.

Métricas de Avaliação

O estudo utilizou as seguintes métricas:

• Erro de Extremidade (EPE): Medido tanto em voxels de volume bruto ($EPE_{raw}$) quanto em voxels de volume de características ($EPE_{feature}$).
• Resíduo de Correspondência de Imagem Sem Referência (CSSD): Uma métrica que quantifica o alinhamento dos volumes de referência e deformados sem necessidade de verdade fundamental.
• Resolução Espacial de Deformação: Determinada via campos de deslocamento senoidais de frequência varrida para medir o comprimento de onda crítico no qual ocorre a atenuação da amplitude.
• Patamar de Ruído de Deformação Zero: Medido usando pares de imagens estáticas com deslocamento prescrito zero.

Principais Contribuições

1. Estrutura RAFT-DVC: Introdução de uma família de três solvers com variados fatores de subamostragem do codificador ($s=2, 4, 8$) projetados para caracterizar sistematicamente as trocas (trade-offs) entre resolução interna e precisão do volume bruto.
2. Lei de Escala Empírica: Estabelecimento de uma relação empírica mostrando que o erro de deslocamento permanece aproximadamente constante em unidades de grade de características ($EPE_{feature} \approx 0,017$ voxels) através dos diferentes solvers. Consequentemente, o erro em coordenadas de volume bruto escala linearmente com o fator de subamostragem ($EPE_{raw} \approx 0,017s$).
3. Caracterização de Regimes Operacionais: Demonstração de que o desempenho do solver é governado conjuntamente pelo alcance de deslocamento e pela compatibilidade de textura volumétrica. Os autores mapearam esses regimes, mostrando que nenhum solver é universalmente ideal; a seleção depende da combinação específica de tamanho de partícula e magnitude de deslocamento.
4. Validação Geométrica: Identificação de inconsistências de ordem de coordenadas na amostragem RAFT 3D e a introdução de um teste de impulso não cúbico para verificar a geometria do amostrador independentemente do treinamento da rede. A correção disso melhorou significativamente a precisão e a generalização para dimensões de volume não vistas.
5. Benchmarking Abrangente: Comparação sistemática do RAFT-DVC contra métodos clássicos de DVC local, global e de Lagrangiano aumentado, bem como o VolRAFT, através de conjuntos de dados sintéticos e experimentais.

Resultados

Precisão e Escala

• Sob condições casadas, os três solvers localizaram o deslocamento para $\approx 0,017$ voxels de característica. Em coordenadas de volume bruto, isso se traduziu em erros de $\approx 0,036$ (s2), $0,061$(s4) e$0,133$ (s8) voxels, confirmando a escala linear $EPE_{raw} \propto s$.
• Ruído de Deformação Zero: Os solvers RAFT-DVC exibiram patamares de ruído de $0,018–0,047$ voxels, ligeiramente superiores aos métodos clássicos ajustados ($0,005–0,015$ voxels), mas significativamente melhores que a implementação original do VolRAFT.

Regimes Operacionais

• Desempenho Dentro da Distribuição (In-Distribution): Em cenários que correspondiam aos seus regimes de treinamento (partículas finas/pequeno deslocamento para s2; partículas grossas/grande deslocamento para s8), o RAFT-DVC alcançou erros comparáveis ou melhores que os métodos clássicos. Especificamente, em condições de partículas grossas e grandes deslocamentos, o RAFT-DVC s8 reduziu o erro de extremidade em $\approx 1,9\times$ em comparação ao DVC de Lagrangiano Aumentado (ALDVC).
• Desempenho Fora da Distribuição (Out-of-Distribution - OOD): O desempenho degradou significativamente quando o tamanho da partícula e a magnitude do deslocamento estavam desalinhados. Por exemplo, aplicar o solver de grade fina s2 a grandes deslocamentos causou um colapso na precisão, enquanto aplicar o solver de grade grossa s8 a partículas finas (subdimensionadas em relação à sua grade de características) também aumentou o erro. Isso destaca que a seleção do solver exige o casamento tanto da textura quanto da escala de deslocamento.

Resolução Espacial e Grandes Volumes

• Resolução Espacial: O comprimento de onda crítico para recuperação de 85% da amplitude ($\lambda_{85}$) escalou de forma sublinear com $s$ (ex: 30 voxels para s2, 94 voxels para s8). Isso indica que, embora os solvers mais grossos lidem com maiores deslocamentos, eles resolvem variações espaciais mais finas de forma menos eficaz em coordenadas de volume bruto, embora mantenham a resolução em relação à sua grade de características.
• Escalabilidade: O RAFT-DVC demonstrou capacidade de processar grandes volumes (ex: $512^3$ voxels) usando inferência em blocos (tiled inference). O solver s8 processou um volume de $512^3$ em 18,4 segundos em uma única GPU, produzindo campos de deslocamento densos, enquanto os métodos clássicos exigiram minutos ou horas em CPUs e produziram saídas nodais mais esparsas.

Validação Experimental

• Em dados experimentais de indentação confocal, o RAFT-DVC s4 e s8 reproduziram a estrutura espacial das soluções de DVC clássico com alta correlação ($\rho \approx 0,90–0,99$).
• O solver s2 falhou em regiões de alta deformação onde os deslocamentos locais excederam seu alcance operacional caracterizado, validando o poder preditivo dos mapas de regime operacional sintéticos.
• Os resíduos de imagem sem referência (CSSD) forneceram insights complementares, revelando que, embora o s8 correlacionasse bem globalmente, o s4 ofereceu uma qualidade de correspondência de imagem local superior em certas regiões.

Generalização

• Apesar de terem sido treinados apenas em dados sintéticos rotulados com partículas, os solvers transferiram-se para imagens de micro-CT de espuma elastomérica (uma textura celular contínua), rastreando soluções clássicas com precisão quantificada, sugerindo potencial para transferência entre texturas.

Significância e Alegações

O artigo afirma que o RAFT-DVC estabelece uma estrutura rápida e sensível à resolução para DVC denso com precisão e regimes operacionais caracterizados. Os autores enfatizam que:

1. O aprendizado não elimina a seleção de parâmetros, mas a desloca: Em vez de ajustar parâmetros numéricos (tamanho da sub-região, alcance de busca) para cada medição, o usuário deve selecionar um solver pré-treinado com um regime operacional caracterizado compatível com sua textura e escala de deformação específicas.
2. O espaçamento da grade de características é uma variável de design: A resolução interna da rede dita diretamente a escala de precisão do volume bruto, fornecendo uma interpretação geométrica da troca entre precisão e resolução.
3. A correção da implementação é primordial: O estudo destaca que inconsistências geométricas na amostragem de correlação 3D podem degradar severamente o desempenho e a generalização, necessitando de métodos de verificação independentes, como o teste de impulso não cúbico.

Os autores concluem que, embora o DVC baseado em ML ofereça aumentos substanciais de velocidade e saídas densas, ele não é um substituto universal para os métodos clássicos. Em vez disso, fornece um conjunto complementar de ferramentas onde a seleção do solver deve ser guiada por uma compreensão rigorosa da interação entre a textura da imagem, a magnitude do deslocamento e a resolução interna do solver. O trabalho fornece à comunidade modelos treinados, geradores de dados sintéticos e ferramentas de diagnóstico para apoiar o DVC baseado em aprendizado reprodutível e quantitativo.