RotaTouille：基于复变圆形卷积的旋转等变深度学习用于轮廓
机器学习
2025-10-28 v2 计算机视觉与模式识别
摘要
轮廓或闭合平面曲线在许多领域都很常见。例如，它们作为计算机视觉中的物体边界、气象学中的等值线以及旋转机械的轨道。 在从轮廓数据学习时，平面旋转的输入会导致相应的旋转输出。因此，希望深度学习模型具有旋转等变性。此外，轮廓通常表示为边缘点的有序序列，其中起始点的选择是任意的。因此，深度学习方法也希望在循环位移下具有等变性。我们提出了RotaTouille，一种用于从轮廓数据学习的深度学习框架，通过复变圆形卷积实现旋转和循环位移等变性。我们进一步引入并特征化等变非线性函数、下采样层和全局池化层，以获得下游任务的不变表示。最后，我们通过在形状分类、重构和轮廓回归中的实验，展示了RotaTouille的有效性。
引用
@article{arxiv.2508.16359,
title = {RotaTouille: Rotation Equivariant Deep Learning for Contours},
author = {Odin Hoff Gardaa and Nello Blaser},
journal= {arXiv preprint arXiv:2508.16359},
year = {2025}
}
备注
19 pages, 6 figures