가변 이미지 등록은 공간 변환을 통해 이미지 간의 복셀 단위 대응 관계를 추정하며, 의료 영상에서 중요한 역할을 한다. 딥러닝 기반 방법은 런타임을 크게 줄였지만, 큰 변형을 효율적으로 처리하는 것은 여전히 어려운 과제이다. 본 논문에서는 큰 변형에 필요한 장거리 대응 관계를 캡처하기 위해 재귀적 상관 기반 프레임워크를 제안한다. 이 프레임워크는 매칭 영역을 유망한 위치로 동적으로 재배치하며, 각 단계에서 저비용으로 로컬 매칭을 수행하고, 추정된 오프셋이 다음 검색 영역을 안내하여 큰 변형으로 효율적인 수렴을 지원한다. 또한, 메모리 용량을 가진 경량의 재귀적 업데이트 모듈을 사용하고, 움직임 관련 기능과 텍스처 기능을 분리하여 의미적 중복성을 억제한다. 뇌 MRI 및 복부 CT 데이터셋에 대한 실험 결과는 제안된 방법이 강력한 정확도-계산 트레이드 오프를 보이며, 기존 최고 성능의 방법들을 능가하거나 필적함을 보여준다.
