Symmetry-aware super-resolution of crystal orientation maps via invariant latent-space learning

技術要約：不変な潜在空間学習による結晶方位マップの対称性を考慮した超解像

1. 問題提起

電子後方散乱回折（EBSD）は、構造材料における結晶方位場の解像のための標準的な手法であるが、その空間解像度は取得時間とコストによって制約されている。デジタル超解像（SR）は、低解像度（LR）スキャンから高解像度（HR）の微細構造情報を再構成するための潜在的な解決策を提供する。しかし、EBSDの超解像は、データがユークリッド空間上に存在しないため、従来の画像SRとは根本的に異なる。結晶方位は、商多様体 $SO(3)/G$（ここで $G$ は結晶の固有回転対称群）上に存在する。

この幾何学的構造は、主に2つの課題を提示する：

1. 対称性の曖昧さ： 対称的に等価な方位は、数値表現（例：クォータニオンの値）が大きく異なる場合がある。標準的なユークリッド補間（バイリニア・アップサンプリングなど）はこれを考慮しておらず、基本領域の境界付近で人工的な方位勾配を生じさせることがある。
2. 結晶粒界の不連続性： 物理的な結晶粒界は、方位場に不連続性を導入する。単純な補間や特徴量の集約は、これらの境界を越えて情報を混合してしまい、非物理的な方位、境界のぼけ、あるいは粒内ノイズの「斑点」現象を引き起こす。

球面線形補間（SLERP）や、オイラー角や生のクォータニオンに基づく学習ネットワークを含む既存の手法は、方位を一般的な画像チャネルとして扱ったり、メゾスケールの結晶粒トポロジーを考慮できない局所的なペアワイズ演算に依存したりすることが多い。

2. 手法：SG-SRAN

著者らは、商幾何学上で直接動作し、局所的なルーティングを通じて結晶粒境界を保持するように設計されたフレームワークである、**対称性グループ認識超解像アテンションネットワーク（SG-SRAN）**を導入する。パイプラインは、主に以下の3つのコンポーネントで構成される。

A. 固定された局所等長エンコーダ（Frozen Locally Isometric Encoder）
入力されたクォータニオン場は、凍結されたエンコーダによって潜在的なユークリッド空間へと写像される。このエンコーダは、レイノルズ投影されたウィグナーD関数（Reynolds-projected Wigner-D）特徴量を利用して、以下の特性を持つ表現を構築する：

• 不変性（Invariant）： すべての対称等価な方位を、全く同じ潜在ベクトルへと写像する。
• 局所等長性（Locally Isometric）： 潜在空間における小さなユークリッド距離は、小さな結晶方位差（$SO(3)/G$ 上の測地線距離）を近似する。
• 等変性（Equivariant）： 特徴量は、グローバルな回転の下で、構造化された $SO(3)$ 既約表現チャネルとして変換される。

B. 対称性認識ルーテッド・アップサンプラ（Symmetry-Aware Routed Upsampler）
学習可能なバックボーンは、$SO(3)$ 等変演算（e3nn を介して実装）を用いて、この潜在空間内で完全に動作する。主要なアーキテクチャ的特徴は以下の通りである：

• 特徴量類似性マスク畳み込み（Feature-Similarity Masked Convolutions）： 局所的なコンテキスト集約は、潜在的な方向が一致している隣接領域に限定され、結晶学的に適合しない方位の混合を防ぐ。
• 局所サポート・バンキングおよびクラスタリング（Local Support Banking & Clustering）： 各LRピクセルに対し、潜在特徴グラフ内の連結性に基づき、特徴量を「スロット」に分割する。これにより、同一の局所的な方位ブランチに属する特徴量をグループ化する。
• 幾何学的ルーティング（Geometric Routing）： 軽量なMLPルーターが、サブピクセル位置とスロット構成マスクに基づき、各高解像度（HR）トークンを最も適合するスロット（局所的な方位ブランチ）に割り当てる。このメカニズムは、結晶粒境界を越えて異なる粒を滑らかにすることを明示的に防ぐ。

C. 辞書ベースのデコーダ（Dictionary-Based Decoder）
予測された潜在特徴は、cubochoricサンプリングによって生成された基本領域の方位の事前計算済み辞書を用いて、有効な単位クォータニオンへと写像される。デコーダは、最近傍探索を行った後、潜在再構成誤差を最小化するために並列的な勾配ベースの精緻化を行い、出力が物理的に妥当な方位であることを保証する。

3. 主な貢献

• 商認識表現（Quotient-Aware Representation）： 本研究は、方位の超解像は、一般的な画像の補間ではなく、対称商 $SO(3)/G$ 上の再構成として扱われるべきであることを確立した。提案された局所等長埋め込みは、この幾何学に対する忠実な計算インターフェースを提供する。
• コンパクトで対称性を認識したアーキテクチャ： SG-SRANは、わずか 27k–49k 個の学習可能パラメータで最先端の性能を達成しており、これは1500万〜1600万個のパラメータを持つ競合するアテンションベースのバックボーン（例：RCAN, SAN, HAN）と比較して、約 320倍 小さい。
• ルーティングによる境界保持： HRトークンを平均化するのではなく、特定の局所的な方位ブランチにルーティングすることで、結晶粒境界を保持し、界面における明確な局所方位ブランチを復元する。これは標準的なアップサンプラには欠けている能力である。
• ゼロショット転移： 本アーキテクチャは、同一の対称クラス（FCCまたはHCP）内にある未知の合金に対して、再学習なしでのゼロショット転移をサポートしており、不変表現の堅牢性を実証している。

4. 実験結果

本手法は、FCC IN718 および HCP Ti-6Al-4V のデータセットを用いた4×4アップサンプリングタスクにおいて、4つの古典的な補間法および7つの学習ベースラインと比較評価された。

• 精度： SG-SRANは、両方の材料において最も低い p68 および p95 方位誤差を達成した。IN718において、p68誤差は 0.81°、p95は 1.73° に達し、次に優れた学習手法（EDSRおよびSAN）を上回った。境界密度が高いより困難なHCP Ti-6Al-4Vのベンチマークでは、SG-SRANは最高のプール平均誤差（9.54°）および中央値誤差（0.48°）を記録した。
• 忠実度： モデルは最高の 逆極図（IPF）PSNR および SSIM スコアを獲得し、優れた視覚的および構造的忠実度を示した。
• 境界指標： 一部の大型モデル（IN718におけるRCANのBoundary F1など）が特定の境界局在化指標でリードした一方で、SG-SRANは、境界バンドの誤方位および組成F1（局所方位ブランチの復元）において一貫して優位に立った（特にHCPデータセットにおいて）。
• ゼロショット性能： 再学習なしで、分布外のCoNi (FCC) および Ti-Al (HCP) ターゲットに適用した場合、SG-SRANはすべてのベースラインと比較して、平均誤差、p68/p95、およびIPF忠実度において優れた性能を維持した。
• 効率性： モデルの極めて高いパラメータ効率（27k–49k パラメータ）により、大規模なバックボーンと同等以上の性能を発揮しながら、訓練時の計算オーバーヘッドを大幅に削減できる。

5. 意義と主張

本論文は、商幾何学、等変な特徴処理、および局所的なルーティングが、方位値の超解像に不可欠な帰納バイアスを提供すると主張している。著者らは、これらの特性を、事後的に従来のユークリッド画像モデルを修正しようとするのではなく、表現とアップサンプリングのプロセスに最初から組み込むべきであると論じている。

本研究は、以下を実証している：

1. 凍結された対称不変エンコーダと辞書ベースのデコーダを組み合わせることで、異なる結晶対称性（FCCおよびHCP）にわたって、ミリラジアン単位の精度で方位を忠実に再構成できる。
2. 「ルーティング」を用いたアプローチは、対称的に等価な方位（同一として扱うべきもの）と、結晶粒境界を跨ぐ物理的に異なる方位（保持すべきもの）を効果的に区別し、標準的なSRに内在する「ぼけ」の問題を解決する。
3. この領域における高い性能を得るために、膨大なパラメータ数は必要なく、コンパクトで幾何学を認識したモデルが、大規模で汎用的なアーキテクチャを凌駕し得る。

著者らは、制限事項として、辞書ベースのデコーダの計算コスト（推論時間を支配する）や、より広範な試験片間での検証の必要性に言及している。しかし、結果は、「表現ファースト」の戦略が、対称性までしか定義されていない物理場を再構成するための、実行可能かつ効果的な道筋であることを示唆している。