Learning with 3D rotations, a hitchhiker’s guide to SO(3)

要約

機械学習の多くの設定では、回転表現の選択が必要です。
ただし、多くの利用可能なオプションから適切な表現を選択するのは困難です。
このペーパーは、回転表現に関する調査とガイドとして機能します。
勾配ベースの最適化を使用してディープラーニングに害を及ぼす、または利益をもたらすそれらの特性について説明します。
ローテーションベースの学習からの洞察を統合することで、ローテーション表現を使用した学習関数の包括的な概要を提供します。
回転がモデルの入力または出力に含まれるかどうか、およびデータが主に小さな角度で構成されているかどうかに基づいて、表現を選択するためのガイダンスを提供します。

要約(オリジナル)

Many settings in machine learning require the selection of a rotation representation. However, choosing a suitable representation from the many available options is challenging. This paper acts as a survey and guide through rotation representations. We walk through their properties that harm or benefit deep learning with gradient-based optimization. By consolidating insights from rotation-based learning, we provide a comprehensive overview of learning functions with rotation representations. We provide guidance on selecting representations based on whether rotations are in the model’s input or output and whether the data primarily comprises small angles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google