Robustní, rychlá a flexibilní detekce roviny symetrie založená na diferencovatelné míře symetrie Robustní, rychlá a flexibilní detekce roviny symetrie založená na diferencovatelné míře symetrie

Zrcadlová symetrie je potenciálně velmi užitečná vlastnost, kterou vykazuje mnoho reálných objektů. Nalezne využití v různých aplikacích jako zarovnání objektů, komprese, symetrická editace nebo rekonstrukce neúplných objektů. V tomto článku navrhujeme novou, diferencovatelnou míru symetrie, která umožňuje použití gradientní optimalizace k hledání symetrie v geometrických objektech. Dále navrhujeme novou metodu pro nalezení roviny symetrie 3D objektu, založenou na táto myšlence. Zmíněná metoda funguje velmi dobře na dokonale i přibližně symetrických objektech, je robustní vůči šumu a vůči chybějícím částem. Navíc ji lze použít pro diskrétní množinu bodů, tudíž metoda neklade prakticky žádné požadavky na vstupní data. Díky flexibilitě navrhované míry symetrie je metoda také velmi snadno rozšiřitelná, např. přidáním více informací o vstupním objektu a jejich využitím pro další zlepšení jejich výsledků. Navržená metoda byla testována s velmi dobrými výsledky na mnoha objektech včetně neúplných a zašuměných objektů a porovnána s dalšími moderními metodami, které překonala v mnoha aspektech.Reflectional symmetry is a potentially very useful feature which many real-world objects exhibit. It is instrumental in a variety of applications such as object alignment, compression, symmetrical editing or reconstruction of incomplete objects. In this paper, we propose a novel differentiable symmetry measure, which allows using gradient-based optimization to find symmetry in geometric objects. We further propose a new method for symmetry plane detection in 3D objects based on this idea. The method performs well on perfectly as well as approximately symmetrical objects, it is robust to noise and to missing parts. Furthermore, it works on discrete point sets and therefore puts virtually no constraints on the input data. Due to flexibility of the symmetry measure, the method is also easily extensible, e.g., by adding more information about the input object and using it to further improve its performance. The proposed method was tested with very good results on many objects, including incomplete objects and noisy objects, and was compared to other state-of-the-art methods which it outperformed in most aspect