Resumo Técnico: Completamento Neural de Padrões Geométricos Islâmicos com Restrições de Conhecimento e Garantias de Simetria

Definição do Problema

O ornamento geométrico islâmico é definido não por semelhança estilística, mas por uma estrutura geométrica exata, incluindo simetria rotacional precisa ($N$-dobra), pontos de ancoragem preservados e geometria vetorial coerente. Historicamente, esses padrões são construídos via métodos sistemáticos de compasso e régua. O artigo identifica uma lacuna crítica na geração neural moderna: embora as redes neurais possam produzir imagens visualmente plausíveis, elas tipicamente aprendem a simetria de forma estatística e não conseguem certificar que um resultado adere às regras estruturais estritas do domínio. Uma pequena violação de simetria torna um padrão geométrico islâmico "estruturalmente inválido".

Os autores formulam a tarefa não como síntese de imagem, mas como um problema de completamento geométrico estruturado. Dada uma geometria de controle esparsa (pontos de construção mínimos e âncoras derivados de layouts tradicionais) e uma ordem de simetria alvo $N$, o objetivo é completar um padrão completo como um grafo vetorial. O resultado deve consistir em arestas selecionadas de uma rede candidata geometricamente significativa, refinamentos de curvas opcionais e deve exibir simetria exata de $N$-dobra.

Metodologia

1. Estrutura de Conhecimento Restrito

O núcleo da metodologia é a incorporação de conhecimento explícito do domínio geométrico no processo de aprendizado neural.

• Construção da Rede Candidata: Em vez de pedir à rede para inventar uma geometria arbitrária, o sistema gera deterministicamente uma rede candidata a partir da geometria de controle esparsa e da ordem de simetria alvo $N$. Esta rede inclui vértices em anéis concêntricos e um conjunto de arestas admissíveis (arestas de anel, raios radiais, cordas de polígonos estrelados, etc.).
• Estrutura de Órbita: As arestas candidatas são particionadas em órbit de rotação sob o grupo cíclico $C_N$. Uma aresta $e_i$ pertence a uma órbita $O(e_i) = \{ g \cdot e_i : g \in C_N \}$. Um padrão completado é válido se, e somente se, seu conjunto de arestas selecionadas for uma união de órbitas completas e os parâmetros de refinamento forem constantes dentro de cada órbita.
• Preditor Neural: Uma rede neural de grafos (GNN) opera sobre esta rede candidata. Ela recebe características de vértices e arestas (posição, raio, ângulo, status de âncora, tipo de aresta) e prevê:
  • Um escore de aresta $s_i$ para seleção.
  • Um parâmetro de refinamento limitado $\alpha_i$ para ajustes de curvas ornamentais.

2. Regimes de Decodificação

O artigo compara quatro estratégias de decodificação para isolar o impacto da estrutura de simetria:

1. Órbita Vinculada (Orbit-Tied): A rede calcula a média dos logits de escore e das saídas de refinamento sobre cada órbita durante a passagem direta (tanto no treinamento quanto na inferência). Isso impõe $s_i = s_j$ e $\alpha_i = \alpha_j$ para arestas na mesma órbita.
2. Projeção de Seleção (Selection Projection): Uma rede não restrita é treinada sem o vínculo. Na inferência, os escores são agregados ao nível da órbita antes da seleção.
3. Projeção Total (Full Projection): Uma rede não restrita é treinada sem o vínculo. Na inferência, tanto os escores quanto os parâmetros de refinamento são calculados pela média sobre as órbitas.
4. Não Estruturada (Livre/Free): Uma rede não restrita seleciona arestas independentemente, sem utilizar informações de órbita (baseline negativa).

3. Refinamento Limitado

Os refinamentos são aplicados de forma conservadora. As arestas estruturais permanecem retas. As arestas ornamentais são refinadas pelo deslocamento do ponto médio ao longo da normal da aresta por $\tanh(\alpha_i) \alpha_{max} L_i$. A saturação da função $\tanh$ garante que o deslocamento nunca exceda o limite $|\delta_i| \le \alpha_{max} L_i$, independentemente da saída da rede.

Principais Contribuições

1. Estrutura de Grafo Neural com Restrição de Conhecimento: Um sistema onde regras de construção explícitas definem a rede candidata, a estrutura de órbita e a decodificação que preserva a validade. A rede prevê sobre este espaço definido pelo conhecimento, em vez de um espaço combinatório livre.
2. Garantia de Validade Construtiva: Uma prova formal (Proposição 1) demonstrando que o esquema de decodificação de órbita vinculada garante:
   • Simetria rotacional exata de $N$-dobra (zero violações de órbita selecionada).
   • Preservação exata dos vértices de ancoragem.
   • Deslocamentos de refinamento limitados.
   • Estas invariantes mantêm-se para qualquer entrada e para qualquer política de seleção ao nível da órbita, independentemente do estado de aprendizado da rede.
3. Caracterização Empírica da Estrutura de Simetria: Um estudo controlado através de quatro regimes de decodificação mostrando que a inferência com estrutura de simetria (seja intrínseca ou via projeção) preserva a validade sem perda mensurável na fidelidade de completamento em comparação com a decodificação não estruturada.
4. Análise de Robustez e Modos de Falha: Uma avaliação mostrando que, embora a aumentação de dados (treinamento com entradas corrompidas) recupere a fidelidade em modelos não estruturados, ela não restaura a validade exata. Por outro vez, a inferência com estrutura de simetria garante a validade mesmo quando a geometria de entrada está ausente, abordando modos de falha complementares.

Resultados Experimentais

Experimentos foram conduzidos em grafos de padrões inspirados em geometria islâmica gerados proceduralmente (ordens de simetria 6, 8, 10, 12) através de três sementes aleatórias.

• Fidelidade em Entradas Limpas: Em dados de teste limpos, o modelo de órbita vinculada, a projeção de seleção e a decodificação livre não estruturada alcançaram escores F1 de seleção de arestas estatisticamente indistinguíveis (aprox. 0,52). O baseline de template procedural alcançou um F1 ligeiramente superior (0,534), mas o fez através de uma severa sobre-completagem de arestas (baixa precisão, alta revocação), demonstrando que métricas de sobreposição sozinhas são insuficientes para este domínio.
• Validade Estrutural: O modelo não estruturado violou a consistência de órbita em média 3,3 vezes por padrão, mesmo em entradas limpas. Em contraste, os métodos de órbita vinculada e de projeção alcançaram zero violações de órbita, zero deriva de âncora e zero excesso de refinamento.
• Robustez à Geometia Ausente: Quando 30% da geometria de controle de entrada foi removida:
  • O F1 do modelo não estruturado caiu significativamente (0,524 para 0,415), e as violações aumentaram para 37,5 por padrão.
  • Os métodos estruturados mantiveram alta fidelidade (F1 ~0,50–0,51) e zero violações.
  • O treinamento do modelo não estruturado com aumentação de geometria ausente restaurou sua fidelidade (F1 ~0,517), mas não eliminou as violações de órbita (9,0 por padrão).
  • Conclusão: A aumentação de dados melhora a fidelidade sob corrupção, enquanto a estrutura de simetria garante a validade. As duas são complementares.

Significância e Alegações

O artigo afirma que a validade geométrica exata pode ser imposta sem uma perda mensurável na fidelidade de completamento. A principal contribuição é demonstrar como o conhecimento explícito de construção geométrica pode restringir a previsão de grafos neurais para produzir resultados que não são meramente plausíveis, mas certificadamente válidos.

Os autores enfatizam que a "estrutura de órbita" do candidato geométrico é o mecanismo operativo para a validade, e não um dispositivo arquitetônico específico. Ambas as abordagens, a construtiva (órbita vinculada) e a post-hoc (projeção), produzem validade e fidelidade equivalentes, sugerindo que impor a estrutura de órbita na etapa de decodificação é suficiente.

Este trabalho posiciona-se como um passo em direção à IA confiável em domínios onde as regras estruturais não são negociáveis. Argumenta-se que, para padrões geométricos islâmicos, a validade é um requisito estrutural codificado como conhecimento explícito, não uma preferência visual. O framework fornece uma abordagem escalável, baseada em vetores, para gerar ornamentos que permanecem robustos a dados de entrada imperfeitos, um cenário comum em aplicações práticas envolvendo esboços ou digitalizações.

Os autores mantêm a modéstia, observando que o sistema não pretende ser superior aos sistemas de construção procedural para reprodução fiel de famílias históricas, nem pretende certificar a autenticidade histórica. Os resultados gerados são "completamentos inspirados no design geométrico islâmico" que são estruturalmente válidos de acordo com as regras especificadas.