Technische Samenvatting: Kennisgestuurde Neurale Completering van Islamitische Geometrische Patronen met Symmetiegaranties

Probleemdefinitie

Islamitische geometrische ornamentiek wordt niet gedefinieerd door stilistische gelijkenis, maar door exacte geometrische structuur, inclusief precieze rotatiesymmetrie ($N$-voudig), behoud van ankerpunten en coherente vectorgeometrie. Historisch gezien worden deze patronen geconstrueerd via systematische passer- en liniaal-methoden. Het artikel identificeert een kritieke kloof in moderne neurale generatie: hoewel neurale netwerken visueel plausibele afbeeldingen kunnen produceren, leren ze symmetrie doorgaans statistisch en kunnen ze niet certificeren dat een output voldoet aan de strikte structurele regels van het domein. Een kleine schending van de symmetrie maakt een Islamitisch geometrisch patroon "structureel ongeldig".

De auteurs definiëren de taak niet als beeld-synthese, maar als een gestructureerd geometrisch completion-probleem. Gegeven een ijle controlegeometrie (minimale constructiepunten en ankers afgeleid van traditionele lay-outs) en een doel-symmetrieorde $N$, is het doel om een volledig patroon te voltooien als een vectorgrafiek. De output moet bestaan uit randen (edges) geselecteerd uit een geometrisch betekenvol kandidaat-rooster, optionele begrensde kromlijning-verfijningen, en moet exact $N$-voudige symmetrie vertonen.

Methodologie

1. Kennisgestuurd Framework

De kern van de methodologie is het inbedden van expliciete geometrische domeinkennis in het neurale leerproces.

• Kandidaat-rooster Constructie: In plaats van het netwerk te vragen willekeurige geometrie te verzinnen, genereert het systeem deterministisch een kandidaat-rooster vanuit de ijle controlegeometrie en de doel-symmetrieorde $N$. Dit rooster bevat vertices op concentrische ringen en een set toegestane randen (ringranden, radiale spaken, ster-polygon koorden, etc.).
• Baanstructuur (Orbit Structure): De kandidaat-randen worden gepartitioneerd in rotatiebanen onder de cyclische groep $C_N$. Een rand $e_i$ behoort tot een baan $O(e_i) = \{ g \cdot e_i : g \in C_N \}$. Een voltooide patroon is geldig indien en slechts indien de geselecteerde randenset een vereniging is van volledige banen en de verfijningsparameters constant zijn binnen elke baan.
• Neurale Predictor: Een graph neural network (GNN) opereert op dit kandidaat-rooster. Het neemt vertex- en randkenmerken (positie, radius, hoek, ankerstatus, randtype) en voorspelt:
  • Een rand-score $s_i$ voor selectie.
  • Een begrensde verfijningsparameter $\alpha_i$ voor ornamentale kromlijning-aanpassingen.

2. Decoderingregimes

Het artikel vergelijkt vier decoderingsstrategieën om de impact van de symmetriestructuur te isoleren:

1. Orbit-Tied: Het netwerk middelt de score-logits en de verfijningsoutputs over elke baan tijdens de forward pass (zowel tijdens training als inferentie). Dit dwingt af dat $s_i = s_j$ en $\alpha_i = \alpha_j$ voor randen in dezelfde baan.
2. Selection Projection: Een onbeperkt netwerk wordt getraind zonder koppeling. Tijdens de inferentie worden scores geaggregeerd naar het baan-niveau voordat selectie plaatsvindt.
3. Full Projection: Een onbeperkt netwerk wordt getraind zonder koppeling. Tijdens de inferentie worden zowel scores als verfijningsparameters gemiddeld over banen.
4. Ongestructureerd (Free): Een onbeperkt netwerk selecteert randen onafhankelijk zonder gebruik te maken van baan-informatie (negatieve baseline).

3. Begrensde Verfijning (Bounded Refinement)

Verfijningen worden conservatief toegepast. Structurele randen blijven recht. Ornamentale randen worden verfijnd door het middelpunt te verplaatsen langs de normaal van de rand met $\tanh(\alpha_i) \alpha_{max} L_i$. De $\tanh$-verzadiging zorgt ervoor dat de verplaatsing nooit de grens $|\delta_i| \le \alpha_{max} L_i$ overschrijdt, ongeacht de output van het netwerk.

Belangrijkste Bijdragen

1. Kennisgestuurd Graph Neural Framework: Een systeem waarbij expliciete constructieregels het kandidaat-rooster, de baanstructuur en de validiteit-behoudende decodering definiëren. Het netwerk voorspelt over deze kennis-gedefinieerde ruimte in plaats van over een vrije combinatorische ruimte.
2. Constructieve Validiteitsgarantie: Een formeel bewijs (Propositie 1) dat aantoont dat het orbit-tied decoderingsschema garandeert:
   • Exacte $N$-voudige rotatiesymmetrie (nul geselecteerde baan-schendingen).
   • Exact behoud van anker-vertices.
   • Begrensde verplaatsingen van de verfijning.
   • Deze invarianten blijven behouden voor elke input en elke baan-niveau selectiebeleid, onafhankelijk van de leerstatus van het netwerk.
3. Empirische Karakterisering van Symmetriestructuur: Een gecontroleerde studie over vier decoderingsregimes die aantoont dat symmetrie-gestructureerde inferentie (of het nu intrinsiek is of via projectie) de validiteit behoudt zonder meetbaar verlies in completion-getrouwheid vergeleken met ongestructureerde decodering.
4. Robuustheid en Analyse van Foutmodi: Een evaluatie die aantoont dat hoewel data-augmentatie (trainen met gecorrumpeerde inputs) de getrouwheid herstelt in ongestructureerde modellen, dit de exacte validiteit niet herstelt. Omgekeeld garandeert symmetrie-gestructureerde inferentie validiteit, zelfs wanneer de inputgeometrie ontbreekt, wat complementaire foutmodi aanpakt.

Experimentele Resultaten

Experimenten werden uitgevoerd op procedureel gegenereerde, door de Islamitische geometrie geïnspireerde patroon-grafieken (symmetrieordes 6, 8, 10, 12) over drie willekeurige seeds.

• Getrouwheid op Schone Inputs: Op schone testdata bereikten het orbit-tied model, selection projection en de ongestructureerde free decodering statistisch ononderscheidbare edge-selection F1-scores (ongeveer 0.52). De procedurele template baseline bereikte een iets hogere F1 (0.534), maar deed dit door een ernstige over-completering van randen (lage precisie, hoge recall), wat aantoont dat overlap-metrieken alleen onvoldoende zijn voor dit domein.
• Structurele Validiteit: Het ongestructureerde model schond de baan-consistentie gemiddeld 3.3 keer per patroon, zelfs op schone inputs. In tegenstelling hiertoe bereikten de orbit-tied en projectie-methoden nul baan-schendingen, nul anker-drift en nul excessieve verfijning.
• Robuustheid tegen Ontbrekende Geometrie: Wanneer 30% van de input controlegeometrie werd verwijderd:
  • De F1-score van het ongestructureerde model daalde aanzienlijk (0.524 naar 0.415), en schendingen namen toe naar 37.5 per patroon.
  • De gestructureerde methoden behielden een hoge getrouwheid (F1 ~0.50–0.51) en nul schendingen.
  • Het trainen van het ongestructureerde model met missing-geometry augmentatie herstelde de getrouwheid (F1 ~0.517) maar elimineerde geen baan-schendingen (9.0 per patroon).
  • Conclusie: Data-augmentatie verbetert de getrouwheid onder corruptie, terwijl symmetrie-structuur de validiteit garandeert. De twee zijn complementair.

Betekenis en Claims

Het artikel claimt dat exacte geometrische validiteit kan worden opgelegd zonder een meetbaar verlies in completion-getrouwheid. De primaire bijdrage is het aantonen hoe expliciete geometrische constructiekennis de neurale grafiek-voorspelling kan beperken tot outputs die niet louter plausibel, maar certificeerbaar geldig zijn.

De auteurs benadrukken dat de "baanstructuur" van de kandidaat-geometrie het werkende mechanisme voor validiteit is, in plaats van een specifiek architecturaal apparaat. Zowel de constructieve (orbit-tied) als de post-hoc (projectie) benaderingen leveren equivalente validiteit en getrouwheid op, wat suggereert dat het afdwingen van de baanstructuur tijdens de decodering voldoende is.

Dit werk positioneert zich als een stap richting betrouwbare AI in domeinen waar structurele regels niet onderhandelbaar zijn. Er wordt gesteld dat voor Islamitische geometrische patronen validiteit een structurele vereiste is die is gecodeerd als expliciete kennis, en niet als een visuele voorkeur. Het framework biedt een schaalbare, vector-gebaseerde benadering voor het genereren van ornament die robuust blijft bij imperfecte inputdata, een veelvoorkomend scenario bij praktische toepassingen zoals schetsen of scans.

De auteurs blijven bescheiden en merken op dat het systeem geen aanspraak maakt op superioriteit ten opzichte van procedurele constructiesystemen voor de getrouwe reproductie van historische families, noch claimt het de historische authenticiteit te certificeren. De gegenereerde outputs zijn "completions geïnspireerd door Islamitisch geometrisch ontwerp" die structureel geldig zijn volgens de gespecificeerde regels.