本研究提出了一种新的非线性对称幂变换方法，克服了隐式神经表征（INR）在数据变换中的局限性，显著提升了1D音频、2D图像和3D视频的拟合性能。

该文章介绍了一种基于隐式神经表征的新型图像配准方法，解决了具有类似解剖结构但其中一个图像包含其他特征或工件而另一个图像中没有的脑图像的配准难题。该方法通过分解图像为支撑图像和残差图像，并联合执行配准，实验结果表明该方法优于其他配准技术。