Geometric Deep Learning (GDL)

Геометрическое глубинное обучение (GDL) — это широкий собирательный термин для обозначения передовых методов машинного обучения, специально разработанных для обработки неевклидовых данных. В отличие от стандартных форматов, таких как 2D-изображения или текстовые последовательности, расположенных на плоских предсказуемых сетках, неевклидовы данные включают сложные структуры, такие как многообразия и 3D-сетки, а также сложные реляционные сети. Создавая математические структуры, учитывающие внутреннюю геометрию этих структур, геометрическое глубинное обучение позволяет системам ИИ точно анализировать молекулярные структуры, сложные топологические карты и динамические взаимосвязанные системы.

Как работает геометрическое глубинное обучение#

В основе геометрического глубинного обучения лежит использование симметрии, инвариантности и эквивариантности, присущих сложным наборам данных. Специалисты часто задаются вопросом, достаточно ли простой матрицы расстояний для геометрического глубинного обучения. Ответ — нет: хотя матрицы расстояний фиксируют попарные расстояния, им не хватает топологических нюансов, необходимых для полноценного геометрического рассуждения. Вместо этого GDL в значительной степени опирается на архитектуры с передачей сообщений и агрегацию по соседним узлам.

Полезно отличать геометрическое глубинное обучение от графовых нейронных сетей (GNNs). GDL — это общее теоретическое направление, охватывающее всё неевклидово глубинное обучение, тогда как GNNs — это конкретный тип нейронной архитектуры, работающий исключительно с графовыми данными. Такие фреймворки, как PyTorch Geometric и TensorFlow GNN, широко используются для реализации этих принципов глубинного обучения, позволяя узлам обновлять свои представления на основе структурных связей.

Геометрическое обучение и традиционное глубинное обучение#

Традиционные модели глубинного обучения, такие как свёрточные нейронные сети (CNNs), отлично оптимизированы для евклидовых данных, например пиксельных сеток в задачах компьютерного зрения. Аналогично, рекуррентные нейронные сети (RNNs) предназначены для обработки линейных последовательностей. Однако эти традиционные сети испытывают трудности, когда данные не имеют фиксированной регулярной структуры.

Геометрическое обучение преодолевает это ограничение, работая непосредственно с неправильными формами и реляционными картами. При анализе социальной сети или навигации в 3D-среде стандартные свёртки не работают, поскольку «соседство» точки данных больше не представляет собой фиксированный квадрат пикселей. Геометрические модели динамически адаптируют свои поля восприятия, изучая топологические связи, определяющие истинную форму данных.

Практические применения геометрических графов и моделей#

Поскольку геометрические графы явно задают узлы и структурные связи между ними, геометрические модели открыли новые возможности в различных научных и коммерческих областях:

• Разработка лекарств: GDL играет ключевую роль в прогнозировании молекулярных взаимодействий. AlphaFold от Google DeepMind использует методы пространственного рассуждения для решения сложных задач сворачивания белков, моделируя аминокислоты как связанные графы.
• Анализ социальных сетей: платформы используют GDL для анализа взаимодействий пользователей, создавая передовые рекомендательные системы и средства обнаружения мошенничества на основе отображения топологий социальных сетей.
• 3D-компьютерное зрение: GDL часто применяется для обработки облаков точек LiDAR и 3D-сеток в задачах автономного вождения и дополненной реальности.

Интеграция GDL с компьютерным зрением#

Объединение традиционного 2D-компьютерного зрения с геометрическими моделями позволяет создавать высоконадёжные системы, способные выполнять сложное пространственное рассуждение и обнаружение 3D-объектов. Используя мощный 2D-детектор, такой как Ultralytics YOLO26, разработчики могут быстро находить объекты в сцене. Координаты обнаруженных объектов затем могут служить узлами для геометрического графа, позволяя последующей GNN выявлять сложные связи между визуальными элементами, например создавая «граф сцены».

Следующий фрагмент Python показывает, как извлекать координаты обнаруженных объектов с помощью пакета ultralytics, чтобы создать базовую структуру геометрического графа:

import torch
from ultralytics import YOLO

# Load the Ultralytics YOLO26 model for high-speed object detection
model = YOLO("yolo26n.pt")

# Perform inference to detect objects
results = model("path/to/image.jpg")

# Extract the center coordinates (x, y) of bounding boxes to act as graph nodes
nodes = results[0].boxes.xywh[:, :2].cpu()
node_tensor = torch.tensor(nodes.numpy(), dtype=torch.float)

print(f"Extracted {node_tensor.size(0)} nodes for Geometric Deep Learning mapping.")

Для команд, создающих крупномасштабные гибридные системы, объединяющие евклидово обнаружение объектов с неевклидовым картированием, критически важно управлять сложной разметкой данных. Платформа Ultralytics предоставляет сквозную среду для безопасной разметки, обучения и бесшовного развертывания этих базовых моделей компьютерного зрения в поддержку передовых пространственных конвейеров.