論文の概要: Axis-level Symmetry Detection with Group-Equivariant Representation

• arxiv url: http://arxiv.org/abs/2508.10740v1
• Date: Thu, 14 Aug 2025 15:26:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.379963
• Title: Axis-level Symmetry Detection with Group-Equivariant Representation
• Title（参考訳）: 群同変表現を用いた軸レベル対称性検出
• Authors: Wongyun Yu, Ahyun Seo, Minsu Cho,
• Abstract要約: 最近の熱マップに基づくアプローチは対称性軸のポテンシャル領域をローカライズすることができるが、個々の軸を特定する精度に欠けることが多い。 本稿では,2つの最も一般的な対称性-反射と回転の軸レベル検出のための新しい枠組みを提案する。 提案手法は最先端の性能を達成し,既存手法より優れている。
• 参考スコア（独自算出の注目度）: 42.809633883335444
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Symmetry is a fundamental concept that has been extensively studied, yet detecting it in complex scenes remains a significant challenge in computer vision. Recent heatmap-based approaches can localize potential regions of symmetry axes but often lack precision in identifying individual axes. In this work, we propose a novel framework for axis-level detection of the two most common symmetry types-reflection and rotation-by representing them as explicit geometric primitives, i.e. lines and points. Our method employs a dual-branch architecture that is equivariant to the dihedral group, with each branch specialized to exploit the structure of dihedral group-equivariant features for its respective symmetry type. For reflection symmetry, we introduce orientational anchors, aligned with group components, to enable orientation-specific detection, and a reflectional matching that measures similarity between patterns and their mirrored counterparts across candidate axes. For rotational symmetry, we propose a rotational matching that compares patterns at fixed angular intervals to identify rotational centers. Extensive experiments demonstrate that our method achieves state-of-the-art performance, outperforming existing approaches.
• Abstract（参考訳）: シンメトリーは、広く研究されてきた基本的な概念であるが、複雑な場面でそれを検出することは、コンピュータビジョンにおいて重要な課題である。 最近の熱マップに基づくアプローチは対称性軸のポテンシャル領域をローカライズすることができるが、個々の軸を特定する精度に欠けることが多い。 本研究では,2つの最も一般的な対称性タイプ-反射と回転の軸レベル検出のための新しい枠組みを提案する。 本手法では、二面体群に同値な双分岐構造を用い、各枝は各対称型に対する二面体群-等変関数の構造を利用する。 反射対称性について,群成分に整合した配向アンカーを導入し,配向特異的検出を可能にする。 回転対称性について、固定角間隔のパターンを比較し、回転中心を同定する回転マッチングを提案する。 大規模な実験により,本手法は最先端の性能を達成し,既存手法より優れることを示した。

関連論文リスト

• Generalized Linear Mode Connectivity for Transformers [87.32299363530996]
  驚くべき現象はリニアモード接続(LMC)であり、独立に訓練されたモデルを低損失またはゼロ損失の経路で接続することができる。 以前の研究は主に置換によるニューロンの並べ替えに焦点を合わせてきたが、そのようなアプローチは範囲に限られている。 我々は、4つの対称性クラス(置換、半置換、変換、一般可逆写像)をキャプチャする統一的なフレームワークを導入する。 この一般化により、独立に訓練された視覚変換器とGPT-2モデルの間の低障壁とゼロバリア線形経路の発見が可能となった。
  論文  参考訳（メタデータ） (2025-06-28T01:46:36Z)
• Relative Representations: Topological and Geometric Perspectives [53.88896255693922]
  相対表現はゼロショットモデルの縫合に対する確立されたアプローチである。 相対変換において正規化手順を導入し、非等方的再スケーリングや置換に不変となる。 第二に、クラス内のクラスタリングを促進するトポロジカル正規化損失である、微調整された相対表現におけるトポロジカルデシフィケーションの展開を提案する。
  論文  参考訳（メタデータ） (2024-09-17T08:09:22Z)
• R2Det: Exploring Relaxed Rotation Equivariance in 2D object detection [26.05910177212846]
  Group Equivariant Convolution (GConv) は、データにおける基礎となる対称性を探索し、パフォーマンスを向上させるためにモデルに権限を与える。 我々は、GConvと比較して4n$のパラメータが最小限に増大する新しいRelaxed Rotation-Equivariant GConv(R2GConv)を導入する。 R2GConvをベースとして,Relaxed Rotation-Equivariant Network (R2Net) をバックボーンとして提案し,2次元物体検出のためのRelaxed Rotation-Equivariant Object Detector (R2Det) を開発した。
  論文  参考訳（メタデータ） (2024-08-21T16:32:03Z)
• Partial Symmetry Detection for 3D Geometry using Contrastive Learning with Geodesic Point Cloud Patches [10.48309709793733]
  我々は,測地線点雲パッチの回転,反射,翻訳,スケール不変な局所形状の特徴を学習することを提案する。 この曖昧な問題に対して,本手法は複数の有効な解を抽出可能であることを示す。 検出された対称性を領域成長アルゴリズムと組み合わせて下流タスクを実証する。
  論文  参考訳（メタデータ） (2023-12-13T15:48:50Z)
• Deep Learning Symmetries and Their Lie Groups, Algebras, and Subalgebras from First Principles [55.41644538483948]
  ラベル付きデータセットに存在する連続した対称性群の検出と同定のためのディープラーニングアルゴリズムを設計する。 完全に接続されたニューラルネットワークを用いて、変換対称性と対応するジェネレータをモデル化する。 また,Lie群とその性質の数学的研究に機械学習アプローチを使うための扉を開く。
  論文  参考訳（メタデータ） (2023-01-13T16:25:25Z)
• Reflection and Rotation Symmetry Detection via Equivariant Learning [40.61825212385055]
  我々は、EquiSymと呼ばれる対称性検出のためのグループ同変畳み込みネットワークを導入する。 DENse と Diverse symmetric (DENDI) という新しいデータセットを提案し、既存の反射・回転対称性検出のためのベンチマークの制限を緩和する。 実験により,LDRSおよびDENDIデータセットの対称性検出において,本手法が芸術の状態を達成できることが確認された。
  論文  参考訳（メタデータ） (2022-03-31T04:18:33Z)
• Using Machine Learning to Detect Rotational Symmetries from Reflectional Symmetries in 2D Images [0.0]
  本稿では、異なる最先端自動対称性検出アルゴリズムを比較して後者を支援することに焦点を当てる。 画像中の局所対称性を見つけ、検出された対称性の選択を改善し、別の対称性タイプ(回転)を特定するための後処理の改善を提案する。 本研究では,局所対称性を検出する拡張アルゴリズムと,回転対称性を分類する機械学習モデルの性能を実証し,解析する。
  論文  参考訳（メタデータ） (2022-01-17T19:14:58Z)
• Learning to Discover Reflection Symmetry via Polar Matching Convolution [33.77926792753373]
  我々は、極性特徴プーリング、自己相似符号化、異なる角度の軸に対するカーネル設計を活用する、極性マッチング畳み込みと呼ばれる新しい畳み込み手法を導入する。 提案した高次元カーネル畳み込みネットワークは,実世界の画像から対称性パターンを効果的に発見する。 実験により,本手法は精度とロバスト性において最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-08-30T01:50:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。