跨模态高精配准
相位一致性先验嵌入轻量网络，无需微调即可增强多光谱与多模态图像的结构相似性，显著提升配准精度。
Cao, Siyuan · Yu, Beinan · Luo, Lun · Runmin, Zhang · Chen, Shujie · 李春光 · 沈会良
Information Fusion 2023
相位一致性先验嵌入两层可训练层和可学习Gabor核，使PCNet训练一次即可适用于闪光/无闪光、RGB/NIR等多种数据，无需额外微调。
得益于先验知识，PCNet的可训练参数比DHN少2400倍，比UDHN少1500倍，大幅降低部署资源需求。
PCNet作为深度配准方法的补充，可将UDHN在CAVE数据集上1像素平均角点误差内的图像比例从0.1%提升至82.5%。