تشخیص تقارن در اشیاء سهبعدی یکی از چالشهای بزرگ در بینایی ماشین است که در کارهایی مثل بازسازی مدلها و گرافیک کاربرد زیادی دارد. روشهای قبلی معمولاً در تشخیص چرخش یا جابهجاییهای تکراری (مثل پلههای یک ساختمان) ضعیف بودند.
محققان به تازگی فریمورک جدیدی به نام SymCL را معرفی کردهاند. این ابزار با استفاده از یادگیری خودنظارتی (Self-supervised)، میتواند بدون نیاز به هیچگونه دیتای آموزشی برچسبگذاری شده، تقارنهای پیچیده از جمله چرخش و جابهجایی را در اشیاء سهبعدی شناسایی کند. این نوآوری گام بزرگی برای هوشمندتر کردن درک ماشین از محیطهای پیرامون ماست.
منبع: arXiv Computer Vision