通过 CNN 在图像识别中应用视觉手性区别图片是否翻转，我们在本文中研究了特征手性的特性，提出了特征手性的概念和测量方法，并在 AlexNet、VGG 和 ResNet 模型上分析获得了类似但令人惊讶的结果，表明特征手性暗示了模型评估、模型解释性和模型参数优化。

May, 2023

提出了具有对称性质和数据效率的 Chirality Nets 进行人体姿态估计，表现出了最先进的效果。

Oct, 2019

本文提出了一种使用人类眼睛的反射信息进行场景重建的方法，通过联合优化角膜姿态、辐射度场和观察者眼睛的虹膜纹理，以及使用简单正则化先验提高重建质量，实现了通过眼睛反射恢复 3D 场景的可行性。

Jun, 2023

本研究提出了一种基于可靠的基于边缘的特征提取的方案，配合以对应的纹理和颜色邻域信息为参数的投票方案，用以发现图像中的全局对称性。实验验证了该方案在四个单例和三个多例对称检测数据集上表现优异。

Jul, 2017

该文章提出了一种能够敏感化处理化合物手性信息的分子手性神经网络层 ChiENN，并将其附加到任何 GNN 模型中以启用手性感知。实验结果表明，将 ChiENN 层添加到 GNN 中优于当前在手性敏感分子属性预测任务中的最新技术方法。

Jul, 2023

本文研究物体部件定位方法在镜像图像上表现是否具有对称性，研究表明大部分 SOTA 方法在保持对称性方面存在困难，且镜像误差和定位 / 对齐误差呈强相关性。

Jan, 2015

对于建模原子尺度物质性质的模型，以对称性作为归纳偏差普遍被采用。然而，非对称模型也能从数据中学习对称性，并对模型准确性有益。本研究测试了一个仅近似满足旋转不变性的模型在模拟气相、液态和固态水的实际场景中的性能，发现其在插值、大体积情况下几乎无影响。即使在外推气相预测中，该模型仍然非常稳定，尽管有对称性伪迹存在。我们还讨论了系统减小对称性破缺程度的策略，并评估其对观测量收敛性的影响。

Jun, 2024

本文研究了对象的对称性与其在图像中的出现之间的联系，并提出了一种基于姿态旋转归一化的简单有效的解决方案，并在 T-Less 数据集上验证了该方法。

Aug, 2019

本文介绍了一种基于深度学习的方法，利用极化光学的属性对记录的辐照度的反射和透射成分进行分离，并通过准确的合成数据生成管道进行训练，以模拟现实世界中包括曲面和非理想表面产生的反射、非静态场景和高动态范围场景等，从而提高在半反射体引起的反射对计算机视觉算法性能的干扰相关应用的鲁棒性和泛化能力。

Dec, 2017

本论文介绍了 Sym-NET，这是第一个用于检测深度学习神经网络的反射和旋转对称性的模型，在人类感知的对称性、基于图像的计算机视觉竞赛中获得了最佳表现。

Apr, 2017