論文の概要: ARD-REFSM: Enhancing Reflection Symmetry Detection with Asymmetric Denoising and Rotation Equivariance
- arxiv url: http://arxiv.org/abs/2607.27927v1
- Date: Thu, 30 Jul 2026 09:40:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.489861
- Title: ARD-REFSM: Enhancing Reflection Symmetry Detection with Asymmetric Denoising and Rotation Equivariance
- Title（参考訳）: ARD-REFSM:非対称なDenoisingとRotation Equivarianceによる反射対称性検出の強化
- Abstract要約: 反射対称性検出は、非対称領域と対称パターンの任意の向きのために依然として困難である。
本稿では,非対称領域分割 (ARD) モジュールと回転同変特徴類似性マッチング (REFSM) モジュールを提案する。
GMSYMは、画像を様々なシナリオに分類し、既存の反射対称性検出ベンチマークの限界に対処するために様々な干渉を組み込む新しいベンチマークデータセットである。
- 参考スコア（独自算出の注目度）: 7.075059146104427
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reflection symmetry detection remains challenging due to interference from asymmetric regions and arbitrary orientations of symmetric patterns. Asymmetric regions introduce background clutter that disrupts symmetric pattern matching, whereas conventional convolutional neural networks lack rotation equivariance, leading to inconsistent feature representations under rotational transformations. To address these issues, we propose an Asymmetric Region Denoising (ARD) module and a Rotation Equivariant Feature Similarity Matching (REFSM) module. The ARD module suppresses asymmetric interference to refine symmetric patterns, while the REFSM module enhances rotation equivariance through feature similarity matching between original and rotated images. Specifically, our dual-input REFSM framework leverages rotation loss to maximize consistency between the score maps of original and rotated images, thereby enabling precise prediction of rotation-equivariant symmetry axes. Furthermore, we introduce GMSYM, a new benchmark dataset that categorizes images into diverse scenarios and incorporates various interferences to address the limitations of existing reflection symmetry detection benchmarks. Extensive experiments on four standard datasets (DENDI, NYU, LDRS, SDRW) and our proposed GMSYM dataset demonstrate that our method achieves state-of-the-art performance in both accuracy and robustness.
- Abstract（参考訳）: 反射対称性検出は、非対称領域からの干渉と対称パターンの任意の向きのために依然として困難である。
非対称領域は、対称パターンマッチングを妨害するバックグラウンド・クラッタを導入し、一方、従来の畳み込みニューラルネットワークは回転同値を持たず、回転変換の下で不整合な特徴表現をもたらす。
これらの問題に対処するため,非対称領域分割 (ARD) モジュールと回転同変特徴類似性マッチング (REFSM) モジュールを提案する。
ARDモジュールは非対称干渉を抑制して対称パターンを洗練させ、REFSMモジュールは原画像と回転画像との間の特徴類似性マッチングにより回転同値性を高める。
具体的には、2重入力REFSMフレームワークは回転損失を利用して、原画像と回転画像のスコアマップ間の一貫性を最大化し、回転同変対称性軸の正確な予測を可能にする。
さらに、GMSYMは、画像を様々なシナリオに分類し、既存の反射対称性検出ベンチマークの限界に対処するために様々な干渉を組み込む新しいベンチマークデータセットである。
提案した4つの標準データセット(DENDI, NYU, LDRS, SDRW)とGMSYMデータセットの大規模な実験により,本手法が精度とロバスト性の両方で最先端の性能を達成することを示す。
関連論文リスト
- Aligning Network Equivariance with Data Symmetry: A Theoretical Framework and Adaptive Approach for Image Restoration [71.51826063983434]
画像復元は本質的に逆問題である。
非厳密対称性を制約として、復元逆問題を定式化する。
最適復元演算子の等値誤差はデータ対称性誤差と離散化メッシュサイズによって厳密に制限されていることを示す。
論文 参考訳（メタデータ） (2026-05-13T16:22:19Z) - Axis-level Symmetry Detection with Group-Equivariant Representation [48.813587457507786]
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。
論文 参考訳（メタデータ） (2025-08-14T15:26:53Z) - Rotation Equivariant Arbitrary-scale Image Super-Resolution [62.41329042683779]
任意のスケールの超解像(ASISR)は、低解像度の入力画像から任意のスケールの高分解能回復を実現することを目的としている。
本研究では, 回転同変ASISR法の構築に尽力する。
論文 参考訳（メタデータ） (2025-08-07T08:51:03Z) - 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) - 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) - EqNIO: Subequivariant Neural Inertial Odometry [33.96552018734359]
重力ベクトルの周りで回転すると、IMUデータは等変的に変形し、重力に平行な任意の平面に対して反射することを示す。
そして、IMUデータをこのフレームにマッピングし、既製の慣性オドメトリーネットワークで直接使用できる不変な正準化を実現する。
論文 参考訳（メタデータ） (2024-08-12T17:42:46Z) - Degradation-agnostic Correspondence from Resolution-asymmetric Stereo [96.03964515969652]
テレワイドカメラシステムで取得した解像度の異なる2枚の画像からステレオマッチングの問題を考察する。
特徴量整合性という画像空間の代わりに特徴空間に2つのビュー間の整合性を課すことを提案する。
測光損失をトレーニングしたステレオマッチングネットワークは最適ではないが, 特徴抽出器は劣化に依存しない, マッチング特有の特徴を生成できる。
論文 参考訳（メタデータ） (2022-04-04T12:24:34Z) - 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。