Conference

Robust Symmetry Detection via Riemannian Langevin Dynamics

Jihyeon Je, Jiayi Liu, Guandao Yang, Boyang Deng, Shengqu Cai, Gordon Wetzstein, Or Litany, Leonidas J. Guibas

Stanford University; Technion

SIGGRAPH Asia 2024Geometry & ModelingSymmetry DetectionGeometry ProcessingLangevin DynamicsScore-based ModelsShape Analysis
Paper

一句话总结

把经典对称检测中的”变换空间投票”重新理解为一个分数场（score field），用黎曼流形上的 Langevin dynamics 做鲁棒的模式搜索，从而在含噪、且同时存在全局与局部对称的形状上，免训练地检测反射对称。

研究背景

对称是几何处理里的核心结构描述，能用于形状压缩、对称化修复、3D 重建等下游任务。但自动检测对称很难：搜索空间巨大，既要找出存在哪些对称，还要确定它作用于形状的哪块区域（support）。

已有方法分两类，各有短板：

  • 经典几何方法：Mitra 等人把问题从形状空间映射到”变换空间”——每个点对定义一个候选变换，对称对应变换空间中的密集聚类（模式），再用 mean-shift 找模式。这类方法能发现局部与近似对称，但假设形状无噪，遇到噪声就失效，且难以利用现代 GPU 并行。
  • 学习方法（SymNet、SymmetryNet、NeRD、PRS-Net、E3Sym 等）：对噪声更鲁棒，但受限于对称标注数据稀缺，通常只能检测全局对称，忽略局部对称。

本文的思路是把两者嫁接：沿用变换空间的经典表述，但把它看作一个分数场，对称就是场中的”模式”。既然生成模型里已有成熟的鲁棒模式搜索工具（Langevin dynamics），就把它引入对称检测。由于是在高斯平滑后的空间上行走，采样点被平滑，从而对噪声更不敏感，且无需训练。

方法

整体框架：把形状上采样的点对映射为变换空间中的一个点（每个点对提议一个反射超平面）；在这个空间上定义分数场，用黎曼 Langevin dynamics 让随机初始化的粒子爬向密度极大值（即显著对称）；最后用 DBSCAN 聚出每个模式的中心，映回形状空间得到最终对称平面。

flowchart LR
    A[输入形状<br/>可含噪] --> B[采样点对<br/>Hough 变换表示]
    B --> C[构建变换空间<br/>分数场]
    C --> D[黎曼 Langevin<br/>动力学模式搜索]
    D --> E[DBSCAN 提取模式中心]
    E --> F[映回形状空间<br/>输出对称平面]

关键设计 1：mean-shift 与 Langevin dynamics 的等价连接。 论文指出扩散模型里对高斯平滑密度的分数为

\[\nabla_x \log P_\sigma(x) \approx \left( \frac{\sum_{y\in X} \mathcal{N}(x;y,\sigma^2 I)\cdot y}{\sum_{y\in X} \mathcal{N}(x;y,\sigma^2 I)} - x \right)\sigma^{-2}\]

而 Langevin 更新为 \(x^{(t+1)} \leftarrow x^{(t)} + \alpha_t \nabla_x \log P_{\sigma_t}(x^{(t)}) + \sqrt{2\alpha_t\beta_t}\,\epsilon_t\) 。若令 \(\beta_t=0,\ \alpha_t=\sigma_t^2,\ \sigma_t=h\)，该式恰好退化为高斯核的 mean-shift 迭代。两者本质都是在密度函数上做迭代爬山；差别在于 Langevin 引入随机噪声，有助于跳出局部并捕获不同强度的对称模式。

关键设计 2：有界的反射变换空间（Hough 表示）。 用 Hesse 法向式表示超平面：法向量 \(n\) 与到原点的最短距离 \(l\)，平面为 $$ {x\, \,x^\top n = l} \(。为避免多出一个自由度，把对称嵌入到\) \mathbb{R}^d $$：
\[T(p,q) = n(p,q)\cdot(\mathrm{sign}(l(p,q))\cdot k + l(p,q))\]

其中点对提议为 \(n(p,q)=(p-q)\|p-q\|^{-1},\ l(p,q)=\tfrac12 (p+q)^\top n(p,q)\)，\(k\) 是”无效区域”半径，用来处理 \(l=0\) 时多个平面都映到原点的歧义。只要形状有界，该表示就有界，且计算高度可并行。

关键设计 3：反射对称的黎曼测地距离。 变换空间含 \(SO(n)\) 旋转，欧氏距离无法反映平面间的真实差异（\(l=0\) 时 \(n\) 与 \(-n\) 表示同一平面却相距很远）。论文定义测地距离，取”穿过原点”与”不过原点”两条路径的较小者：

\[d(x,y) = \min \left\{ \min_z \|x-z\|+\|y+z\|,\quad \min_r \int_0^1 \mathrm{valid}(r(t))|r'(t)|\,dt \right\}\]

其中 \(\|z\|=k\)。基于该前度量（premetric），按 Chen & Lipman 的 flow matching 公式计算概率密度流的梯度场 \(g_\sigma(x)\) 替代分数函数，用 JAX 自动微分求 \(\nabla_x d(x,y)\)。

关键设计 4：跨原点的稳定步进与模式提取。 若梯度或噪声步把粒子推入无效区（\(\|x^{(t)}\|<k\)），论文对处于 \(l=0\) 球面上的点 \(T\) 与其等价的 \(-T\) 同时移动，只把落入有效区的那个保留下来，实现”直接跳过无效区”。收敛后模式呈极窄分布，用高密度阈值、小距离阈值的 DBSCAN 提取每个峰的中心并剔除残余低密度点。

实验结果

在 2D（Google Fonts 提取的英文字母轮廓，10 种字体）与 3D（ShapeNetCore 与 Adobe Assets 的 20 个网格）上评测，对点加不同比例高斯噪声，用 precision/recall 以及自定义的 association、compression 指标。3D F1 主结果如下（数字忠于原文）：

方法 \ 噪声 0% 1% 3%
Mitra 0.590 0.495 0.347
PRS-Net 0.249 0.126 0.227
E3Sym 0.322 0.193 0.249
Ours 0.745 0.677 0.440

在 2D 上同样在含噪时优势明显（如 5% 噪声下 F1 0.443 对 Mitra 0.347，压缩率 0.530 对 0.757，association 0.459 对 0.246）。方法在高斯平滑变换空间上行走，能穿过含噪参数空间抽取模式，而 Mitra 直接在含噪变换空间上做随机聚类，鲁棒性更弱。下游应用上：对图生网格模型产出的含噪网格做对称化修复，质量优于 Mitra；利用前四个显著模式做序列化压缩，可把模型缩到原始体积的 22%。此外仅改造变换空间即可扩展到平移与旋转对称（旋转借助 Cartan–Dieudonné 定理，将两反射面的交线作为旋转轴）。

亮点与局限

亮点：

  • 用一个统一视角把经典 mean-shift 与生成模型的 Langevin dynamics 打通，理论上证明前者是后者在特定超参下的退化情形，思路优雅。
  • 免训练，因此对未见形状直接适用，并能同时检测全局与局部（部分）对称——这是此前神经方法的痛点。
  • 变换空间有界且计算可并行，能利用现代 GPU；仅替换变换空间就能推广到平移、旋转对称。

局限（含作者自述）：

  • 变换空间与梯度场的质量高度依赖采样规模，采样不足会退化；作者建议未来用神经网络学习该梯度场以摆脱采样依赖。
  • 缺乏对称真值数据集，评测受限于人工标注，作者用半监督方式生成基准，规模有限。
  • 主要覆盖反射对称，对连续对称（旋转、螺旋面）、平移及多类型组合仅做概念验证。
  • 噪声增大时会漏检较小对称（recall 下降），但全局最大模式基本能稳定保留。

延伸思考

这项工作最有意思的地方是把”检测”重新表述为”在人为构造的分数场上采样”，本质上是免训练地借用扩散/score-based 采样器的鲁棒性。这提示一类更广的范式：只要能为某个结构发现问题构造出有界、可微、语义合理的变换空间与测地度量，就能把生成模型里成熟的模式搜索机制直接搬过来，而无需标注和训练。

顺着作者提到的”神经梯度场”，一个自然方向是把手工采样构造的分数场替换为学习到的分数网络，既能减小对采样规模的依赖，也可能引入形状语义先验，处理更含噪或不完整的输入。另一方面，测地距离的设计（跨原点等价性、无效区处理）是本文让 Langevin 在非欧空间稳定行走的关键，如何把这套构造推广到更高维、更复杂的对称群（如旋转+平移的组合、螺旋对称）而不牺牲可微性与并行性，是决定该方法能否成为通用对称检测框架的核心难点。