具身开发者社区

外观

论文HF Daily Papers · arXiv 2509.055122 天前

QUAN框架：四元数近似网络提升机器人旋转感知与检测效率 ​

提出QUAN深度学习框架，通过实值运算分解哈密顿积实现四元数卷积近似，结合IQBN与空间注意力机制。在COCO/DOTA等任务中达成四元数CNN SOTA，以更少参数实现高精度旋转目标检测，适配资源受限机器人端侧部署。

AI 整理
  • 感知与导航
  • 端侧部署

本文由 AI 根据公开内容整理，可能有误，请以原文为准：Quaternion Approximate Networks for Enhanced Image Classification and Oriented Object Detection（HF Daily Papers · arXiv 2509.05512）

核心内容 ​

针对机器人视觉中旋转等变性需求与计算效率的矛盾，研究团队提出Quaternion Approximate Networks（QUAN）框架。该方法摒弃纯四元数域运算，转而利用实值操作分解哈密顿积来近似四元数卷积，并配套开发自定义CUDA内核加速。实验显示，QUAN在CIFAR-10/100及ImageNet分类任务上收敛更快、参数更少；在COCO和DOTA目标检测数据集上，其参数效率与旋转处理能力优于标准CNN，确立了四元数CNN在该下游任务的SOTA地位。

技术架构层面，QUAN引入独立四元数批归一化（IQBN）解决训练稳定性问题，并将四元数运算扩展至空间注意力机制以增强特征提取。代码已开源，验证了其在资源受限场景下的工程可行性。相比传统方法，该框架在保持几何特性的同时显著降低算力开销，为移动机器人、无人机等平台的旋转感知提供了轻量化算法基座，解决了具身智能终端在复杂姿态下目标识别精度与实时性难以兼顾的工程痛点。

关键看点 ​

  • 核心算法：采用实值运算分解哈密顿积近似四元数卷积，配合自定义CUDA内核，兼顾几何等变性与推理效率
  • 训练优化：提出独立四元数批归一化（IQBN）并将四元数运算扩展至空间注意力机制，显著提升模型训练稳定性
  • 性能指标：在COCO/DOTA检测任务中达成四元数CNN SOTA，参数效率与旋转处理能力均优于标准CNN
  • 工程落地：代码开源且专为资源受限系统设计，适用于需旋转感知的移动端机器人与具身智能感知模块

工程与产业观察 ​

QUAN通过实值近似策略打破了四元数网络“高算力门槛”的工程桎梏，为机器人端侧旋转感知提供了高性价比解法。其SOTA性能证明代数结构先验在具身视觉中的有效性，建议算法工程师关注此类轻量级等变网络，以替代单纯堆叠数据增强的传统方案，提升非结构化环境下的泛化鲁棒性。

英文摘要 (Abstract) ​

This paper introduces Quaternion Approximate Networks (QUAN), a novel deep learning framework that leverages quaternion algebra for rotation equivariant image classification and object detection. Unlike conventional quaternion neural networks attempting to operate entirely in the quaternion domain, QUAN approximates quaternion convolution through Hamilton product decomposition using real-valued operations. This approach preserves geometric properties while enabling efficient implementation with custom CUDA kernels. We introduce Independent Quaternion Batch Normalization (IQBN) for training stability and extend quaternion operations to spatial attention mechanisms. QUAN is evaluated on image classification (CIFAR-10/100, ImageNet), object detection (COCO, DOTA), and robotic perception tasks. In classification tasks, QUAN achieves higher accuracy with fewer parameters and faster convergence compared to existing convolution and quaternion-based models. For objection detection, QUAN demonstrates improved parameter efficiency and rotation handling over standard Convolutional Neural Networks (CNNs) while establishing the SOTA for quaternion CNNs in this downstream task. These results highlight its potential for deployment in resource-constrained robotic systems requiring rotation-aware perception and application in other domains. Code: https://cwru-aism.github.io/ QUANpaper/

Hugging Face Daily Papers 热度：1 upvotes 作者：Bryce Grant, Peng Wang

来源

本页事实对应的公开页面，以原文为准。

  1. HF Daily Papers · arXiv 2509.05512：Quaternion Approximate Networks for Enhanced Image Classification and Oriented Object Detection访问 2026-10-29