姿态形状联合生成
通过A5群神经元实现整个网络SO(3)等变，在部分观测下可同时生成物体姿态与形状，并为歧义场景提供多个合理输出。
Boyan, Wan · Shi, Yifei · 陈晓红 · 徐凯
IEEE Transactions on Pattern Analysis and Machine Intelligence 2025
通过迭代去噪过程，姿态估计和形状重建互相迭代优化，共享生成中间状态，比分别训练的单任务模型误差更低。
A5群神经元将特征映射成5D向量，使整个网络SO(3)等变，无需在SO(3)空间穷举训练姿态，未见过视角也能正确估计。
扩散模型从不同初始噪声可生成多个不同假设，联合合理性度量筛出最可信组合，而不是强行输出单一可能错误的结果。
等变结构让模型对未见姿态具有泛化能力，在堆叠物体数据集上无需微调即达到最优，可直接用于新对象类别。