Vision Transformer (ViT)는 시각적 인식(visual recognition)을 위한 지배적인 아키텍처가 되었습니다. 그러나 표준 모델들은 많은 시각 도메인에서 발생하는 평면 대칭성(planar symmetries)을 명시적으로 인코딩하지 않습니다. 본 논문에서는 $\mathrm{O}(2)$의 임의의 이산 부분군(discrete subgroups)에 대해 등변성(equivariant)을 갖는 Vision Transformer 제품군을 소개하며, 기존의 플리핑(flipping) 및 $D_4$-등변 Transformer 아키텍처를 일반화하는 통합 프레임워크를 제공합니다. 우리의 구성 방식은 핵심 Transformer 구성 요소들의 등변적 유사체(equivariant analogues)를 생성하며, 결과적으로 생성된 레이어들에 대한 표현력(expressivity) 보장을 제공합니다. 특히, $H \le G$인 경우, $G$-등변 ViT 클래스가 $H$-등변 ViT 클래스에 자연스럽게 임베딩됨을 보여줍니다. 또한, 단일 헤드(single-head) 설정에서, 해당 등변 셀프 어텐션(equivariant self-attention) 레이어가 일반적인 셀프 어텐션에 의해 표현 가능한 모든 $G$-등변 셀프 어텐션 맵을 구현함을 증명합니다. 더 나아가, 육각형 패치(hexagonal patches)를 기반으로 한 $D_6$-등변 모델을 구축하여, 해당 아키텍처가 6회 회전 대칭성(six-fold rotational symmetries)과 호환되도록 합니다. 우리는 $D_4$ 및 $D_6$의 부분군에 걸쳐 인위적으로 데이터가 부족한 환경(data-scarce regimes)에서 PatternNet 항공 이미지 데이터셋을 통해 결과 모델들을 평가합니다. 우리의 실험은 두 가지 등변 어텐션 메커니즘을 비교하고, 비선형성(nonlinearities)에 사용된 동차 공간(homogeneous-space) 구성의 선택이 성능에 어떻게 영향을 미치는지 분석합니다. 매칭된 파라미터 예산(parameter budgets) 하에서의 예비 결과는 등변성이 인식 정확도를 향상시킬 수 있음을 나타내며, 이는 이산 대칭군(discrete symmetry groups)이 Transformer 기반 시각 인식 모델을 어떻게 형성하는지에 대한 추가적인 연구를 촉발합니다.