연구진은 의료 영상 등록 기반 소량 샘플 분할(RFMIS)의 한계를 극복하기 위해 계층 인식 초곡 집단 학습 프레임워크인 H2AL을 제안했어요.
H2AL은 초곡 공간의 계층적 모델링을 활용하여 정밀한 계층 인식 표현을 학습하고, 이를 Euclidean 공간에 주입하여 변형의 신뢰성과 해부학적 구분을 향상시킵니다.
등록 및 분할 디코더에서 얻은 그래디언트를 집계하여 공유 인코더를 업데이트하는 방식으로, 두 가지 작업 간의 협력 학습을 촉진합니다.