Accurate alignment of a set of images is often hindered by various forms of image corruptions such as noise and occlusion. To address the problem, we propose an algorithm named REALS for robust and efficient batch image alignment through simultaneous low rank and sparse decomposition. It is based on two operations, geometric transformation and low rank and sparse decomposition, combined in a form that we can backpropagate through them, which enables simultaneous image alignment and decomposition with gradient-based updates. We show that REALS achieves an order of magnitude improvement in terms of accuracy and speed compared to the state-of-the-art methods. In addition, we demonstrate its capability by aligning neural activity imaging datasets with a high level of motion artifacts, noise and neural activities.
정확한 이미지 정렬은 노이즈와 오클루전과 같은 다양한 형태의 이미지 손실에 의해 저해된다. 이 문제를 해결하기 위해 우리는 동시적 저차원 희소 행렬분해를 통한 강인한 고속 이미지 정렬 방법인 리얼스를 제안하였다. 리얼스는 역전파가 가능한 기하학적 변환과 저차원 희소 행렬분해의 두 과정으로 이루어지며, 이를 통해 기울기 하강 기법으로 동시적 이미지 정렬과 저차원 희소 행렬분해가 가능하게 한다. 우리는 이 논문에서 리얼스가 정확도와 속도에서 기존 방법에 비해 적게는 몇 배에서 많게는 수십배까지 향상됨을 입증하였다. 또한 리얼스가 움직임과 노이즈가 내재된 신경 활동 이미징 데이터셋을 정렬하는 능력이 있음을 보였다.
