この記事では、通常の対称性を持つニューラルネットワークが限界に直面している問題を解決するため、新たに提案されたトーサーCNNフレームワークについて説明しています。このフレームワークは、局所的な対称性をエッジポテンシャルとして符号化されたグラフ上での学習を可能にします。具体的には、トーサー畳み込み層を定義し、局所的な座標フレームの変化に対して等変性を保証します。また、フラストレーションロスという独立した幾何学的正則化手法も紹介され、局所的な等変表現を促進します。トーサーCNNは、さまざまなアーキテクチャを統一し、グローバルな座標系や滑らかな多様体構造を必要とせずに任意のグラフ上で作動することで、マルチビュ3D認識などに応用可能であることが示されています。