QUAN 论文：四元数卷积实数化，精度更高参数更少

Bryce Grant · hf · 2026-10-29

Bryce Grant 与 Peng Wang 的论文提出 Quaternion Approximate Networks(QUAN)，一个用实数运算近似四元数卷积的深度学习框架，实现旋转等变的图像分类与目标检测。

方法要点

• 不在四元数域直接运算，而是通过哈密顿积分解用实值操作近似四元数卷积，并配自定义 CUDA kernel 提升效率
• 引入 Independent Quaternion Batch Norm(IQBN)保证训练稳定性，并将四元数操作扩展到空间注意力机制

实验结果

• 分类任务(CIFAR-10/100、ImageNet)：相比现有卷积与四元数模型，参数更少、收敛更快、精度更高
• 旋转目标检测(COCO、DOTA)与机器人感知任务：参数效率与旋转处理优于标准 CNN，创下四元数 CNN 在该任务上的 SOTA

作者指出该框架适合部署在对资源受限、需要旋转鲁棒感知的机器人系统上。

原文链接 →

「具身」频道最新

• Rust 视觉定位库 visloc-rs 破 150 星，集成 3DGS 与 SLAM — rsasaki0109 · 2026-10-29
• 研究员收到「自回归咬痕预测」世界模型主题巧克力 — breadli428 · 2026-10-29
• Mundane 推出危险工种替身机器人:让机器人替电工挨电击 — Scobleizer · 2026-10-29
• Empatica 发布 FDA 获批的帕金森居家监测手表 WellPD — RosalindPicard · 2026-10-29
• Neuralink 脑植入物实现对话速度的语音文字转译 — Polymarket · 2026-10-29
• 机器人公司办 Sim2Real 锦标赛：模拟器里赢真机就归你操控 — cixliv · 2026-10-29

更多「具身」频道 AI 资讯 →