DOI: https://doi.org/10.1016/j.visres.2026.108825
PMID: https://pubmed.ncbi.nlm.nih.gov/42090885
تاريخ النشر: 2026-05-05
المؤلف: Gonzalo Muradás Odriozola وآخرون
الموضوع الرئيسي: تطبيقات الشبكات العصبية المتقدمة
نظرة عامة
يقدم هذا القسم نظرة عامة على التحديات المرتبطة بالكشف عن التناظر في رؤية الكمبيوتر، مع تسليط الضوء على الفجوات بين التعريفات الرياضية للتناظر وإدراك الإنسان. يقدم PIX2PER، مجموعة بيانات جديدة مصممة خصيصًا للتناظر الانعكاسي في المشاهد الطبيعية والأعمال الفنية، مع معالجة القيود المتعلقة بتنوع المعلقين وتعقيدات إدراك الإنسان. بالإضافة إلى ذلك، يقترح المؤلفون WF1، وهو تعديل على درجة F1 يتضمن أوزانًا للدقة والاسترجاع بناءً على قوة إدراك التناظر، مما يعزز تقييم أداء النموذج.
تؤكد الأبحاث على أهمية البيانات الموجهة نحو الإنسان في تحسين نماذج الكشف عن التناظر. من خلال إجراء تحليل مقارن للنماذج الحالية على مجموعة بيانات PIX2PER وتقديم مجموعة بيانات صناعية للتدريب المسبق، يظهر المؤلفون أن تحسين النموذج باستخدام بيانات بشرية يؤدي إلى تحسينات كبيرة في الأداء. بشكل عام، تسهم هذه العمل في تقدم منهجيات رؤية الكمبيوتر من خلال مواءمتها بشكل أكبر مع القدرات الإدراكية البشرية في الكشف عن التناظر.
مقدمة
تؤكد مقدمة هذه الورقة البحثية على أهمية التناظر في السياقات الطبيعية والفنية، مع تسليط الضوء على دوره في إدراك الإنسان والعمليات المعرفية. تركز الدراسة بشكل خاص على التناظر الانعكاسي، لا سيما على المحور العمودي، والذي يتم اكتشافه بكفاءة من قبل البشر على الرغم من التشوهات والضوضاء. لقد أثبتت الأبحاث السابقة أن البشر يمكنهم إدراك التناظر التقريبي عبر مجموعة متنوعة من المحفزات، بما في ذلك المناظر الطبيعية والوجوه، وأن الكشف عن التناظر يتأثر بمبادئ الجشطالت، لا سيما تنظيم الشكل والخلفية. تهدف هذه الدراسة إلى توسيع الأدبيات الحالية من خلال استخدام منهجية جديدة تسمح لأكثر من 900 مشارك بتحديد المناطق المتناظرة في الصور الغنية، مبتعدة عن نماذج الاستجابة الثنائية التقليدية.
تناقش الورقة أيضًا التحديات التي تواجه رؤية الكمبيوتر فيما يتعلق بالكشف عن التناظر، خاصة بسبب التباين في الصور الحقيقية والفجوات بين التعريفات الرياضية للتناظر وإدراك الإنسان. تستعرض التقدم في تقنيات التعلم العميق للكشف عن التناظر، بما في ذلك استخدام الشبكات التلافيفية والغابات العشوائية المنظمة، مع الإشارة إلى قيود مجموعات البيانات الحالية التي غالبًا ما تفتقر إلى التنوع في التعليقات. لمعالجة هذه الفجوات، يقدم المؤلفون مجموعة بيانات مرجعية جديدة، PIX2PER، التي تتضمن تقييمات إدراك الإنسان وتهدف إلى تسهيل تقييم أكثر شمولاً لنماذج الكشف عن التناظر. تشمل مساهمات الدراسة تطوير PIX2PER، ومقياس تقييم جديد (WF1)، واستراتيجية تدريب هجينة تجمع بين البيانات الصناعية والإدراكية لتعزيز أداء النموذج.
طرق
استخدمت الدراسة مهمة سلوكية عبر الإنترنت للتحقيق في إدراك التناظر، والتي تمت الموافقة عليها من قبل لجنة الأخلاقيات الاجتماعية والمجتمعية. تم تجنيد ما مجموعه 901 مشاركًا (310 إناث، 578 ذكور، 13 آخرين) عبر منصة Prolific. تم توجيه المشاركين لتحديد مناطق التناظر الانعكاسي في الصور عن طريق وضع صناديق محيط مستطيلة وتحديد محور التناظر. كان بإمكانهم ضبط حجم الصندوق ووضع صناديق متعددة لكل صورة. بالإضافة إلى ذلك، قاموا بتقييم البروز المدرك، وقوة التناظر، والمتعة الجمالية للصور، على الرغم من أن هذه التقييمات لم يتم تحليلها في الدراسة الحالية. تم تقديم مهام الكشف عن التناظر والتقييم في كتل متوازنة، حيث شاهد المشاركون إما 20 صورة من حالة الفن أو 25 من حالة المشاهد الطبيعية، ليصل المجموع إلى 400 صورة عبر الفئتين.
قام المشارك المتوسط بتعليق 1.96 منطقة تناظر لكل صورة، مع تلقي حوالي 49% من الصور صندوقين أو أكثر. استغرقت مهمة الكشف عن التناظر حوالي 30 دقيقة لإكمالها. تم اختيار الصور من مجموعات بيانات معروفة، بما في ذلك 200 صورة طبيعية من مصادر مثل AADB وCOCO، و200 عمل فني من مجموعة بيانات LAPIS. من القيود الملحوظة أن الإطار الحالي يمثل التناظر كمحور ثنائي الأبعاد، مما قد لا يعكس بشكل كافٍ التناظرات ثلاثية الأبعاد المتأثرة بالتشوهات المنظورية. يمكن أن تعزز الأبحاث المستقبلية ذلك من خلال دمج أدوات تعليق أكثر تطورًا.
مناقشة
في هذا القسم، يناقش المؤلفون المنهجية والنتائج المتعلقة بإنشاء مجموعة البيانات وتقييمها للكشف عن التناظر. تم تجميع مجموعة البيانات، PIX2PER، من مساهمات أكثر من 50 مشاركًا قاموا بتعليق مناطق التناظر في الصور. لضمان الاتساق، تم تطبيق عملية تجميع، مما أسفر عن متوسط 6.49 تناظرات لكل صورة، مع تحديد 24.01% من التعليقات على أنها نقاط شاذة. تم تطبيع صناديق المحيط إلى متجهات ذات ستة أبعاد، تتضمن قيم مثلثية للدوران، مما سهل التجميع الفعال باستخدام خوارزمية DBSCAN. تم تقديم درجة F1 المعدلة، المسماة درجة F1 الموزونة (WF1)، لأخذ عدد المعلقين لكل تناظر في الاعتبار، مما يعزز تقييم أداء النموذج.
كما يبرز المؤلفون إنشاء مجموعة بيانات صناعية لمعالجة قيود مجموعة البيانات الأصلية، التي تضمنت فقط 400 صورة. تم تصميم هذه المجموعة الصناعية لتدريب الشبكات العصبية العميقة (DNNs) على مفاهيم التناظر المجرد، مما يقلل من الاعتماد على الهياكل القابلة للتعرف. أظهرت النتائج أن النماذج المدربة مسبقًا على هذه البيانات الصناعية أظهرت تحسينات كبيرة في الأداء عند تحسينها على PIX2PER. من الجدير بالذكر أن المعلقين البشر تفوقوا على النماذج الرائدة، مما يبرز التحديات في تحقيق كشف قوي للتناظر من خلال التعلم العميق. تؤكد الدراسة على أهمية تجميع مدخلات متعددة من المعلقين لإنشاء حقيقة أرضية أكثر موثوقية، مما يقلل من التحيزات الفردية ويعزز تقييم النموذج. بشكل عام، تشير النتائج إلى مسار واعد للأبحاث المستقبلية في الكشف عن التناظر ومبادئ التجميع الإدراكي الأخرى.
DOI: https://doi.org/10.1016/j.visres.2026.108825
PMID: https://pubmed.ncbi.nlm.nih.gov/42090885
Publication Date: 2026-05-05
Author(s): Gonzalo Muradás Odriozola et al.
Primary Topic: Advanced Neural Network Applications
Overview
The section presents an overview of the challenges associated with symmetry detection in computer vision, highlighting the discrepancies between mathematical definitions of symmetry and human perception. It introduces PIX2PER, a novel dataset specifically designed for reflection symmetry in natural scenes and artworks, addressing limitations of previous datasets related to annotator variability and the complexities of human perception. Additionally, the authors propose WF1, a modified F1 score that incorporates weights for precision and recall based on perceived symmetry strength, enhancing the evaluation of model performance.
The research emphasizes the importance of human-centric data in improving symmetry detection models. By conducting a comparative analysis of existing models on the PIX2PER dataset and introducing a synthetic dataset for pretraining, the authors demonstrate that fine-tuning with human data leads to significant performance improvements. Overall, this work contributes to advancing computer vision methodologies by aligning them more closely with human perceptual capabilities in symmetry detection.
Introduction
The introduction of this research paper emphasizes the significance of symmetry in both natural and artistic contexts, highlighting its role in human perception and cognitive processes. The study specifically focuses on reflectional symmetry, particularly along the vertical axis, which is efficiently detected by humans despite distortions and noise. Previous research has established that humans can perceive approximate symmetry across various stimuli, including landscapes and faces, and that symmetry detection is influenced by Gestalt principles, particularly figure-ground organization. This study aims to expand upon existing literature by employing a novel methodology that allows over 900 participants to identify symmetric regions in rich images, diverging from traditional binary response paradigms.
The paper also discusses the challenges faced in computer vision regarding symmetry detection, particularly due to the variability in real images and the discrepancies between mathematical definitions of symmetry and human perception. It reviews advancements in deep learning techniques for symmetry detection, including the use of convolutional networks and structured random forests, while noting the limitations of existing datasets that often lack diversity in annotations. To address these gaps, the authors introduce a new benchmark dataset, PIX2PER, which incorporates human perception assessments and aims to facilitate a more comprehensive evaluation of symmetry detection models. The study’s contributions include the development of PIX2PER, a new evaluation metric (WF1), and a hybrid training strategy that combines synthetic and perceptual data to enhance model performance.
Methods
The study employed an online behavioral task to investigate symmetry perception, approved by the Social and Societal Ethics Committee. A total of 901 participants (310 female, 578 male, 13 other) were recruited via the Prolific platform. Participants were instructed to identify regions of reflection symmetry in images by placing rectangular bounding boxes and indicating the axis of symmetry. They could adjust the box size and place multiple boxes per image. Additionally, they rated the perceived salience, strength of symmetry, and aesthetic pleasure of the images, although these ratings were not analyzed in the current study. The symmetry detection and rating tasks were presented in counterbalanced blocks, with participants viewing either 20 images from an art condition or 25 from a natural scenes condition, totaling 400 images across both categories.
The average participant annotated 1.96 symmetry regions per image, with approximately 49% of images receiving two or more boxes. The symmetry detection task took about 30 minutes to complete. Images were selected from established datasets, including 200 natural images from sources such as AADB and COCO, and 200 artworks from the LAPIS dataset. A noted limitation is that the current framework represents symmetry as a 2D axis, which may not adequately capture three-dimensional symmetries affected by perspective distortions. Future research could enhance this by incorporating more sophisticated annotation tools.
Discussion
In this section, the authors discuss the methodology and findings related to the dataset creation and evaluation for symmetry detection. The dataset, PIX2PER, was compiled from contributions by over 50 participants who annotated symmetry regions in images. To ensure consistency, a clustering process was applied, resulting in an average of 6.49 symmetries per image, with 24.01% of annotations identified as outliers. The bounding boxes were normalized into six-dimensional vectors, incorporating trigonometric values for rotation, which facilitated effective clustering using the DBSCAN algorithm. A modified F1-score, termed the weighted F1-score (WF1), was introduced to account for the number of annotators per symmetry, enhancing the evaluation of model performance.
The authors also highlight the generation of a synthetic dataset to address the limitations of the original dataset, which consisted of only 400 images. This synthetic dataset was designed to train deep neural networks (DNNs) on abstract symmetry concepts, minimizing reliance on recognizable structures. The results indicated that models pretrained on this synthetic data demonstrated significant performance improvements when fine-tuned on PIX2PER. Notably, human annotators outperformed state-of-the-art models, underscoring the challenges in achieving robust symmetry detection through deep learning. The study emphasizes the importance of aggregating multiple annotator inputs to create a more reliable ground truth, thereby reducing individual biases and enhancing model evaluation. Overall, the findings suggest a promising pathway for future research in symmetry detection and other perceptual grouping principles.