단일 뷰 3D 생성 모델 (Single-view 3D generative models)은 인상적인 시각적 품질을 달성했지만, 구조적 또는 기능적 요구 사항을 충족하도록 설계되지 않았으며 실제로는 종종 기대에 미치지 못합니다. 대칭성 (Symmetry)은 그러한 요구 사항 중 하나입니다. 대칭성의 위반은 아주 미세한 것이라도 모델을 물리적으로 사용할 수 없게 만들 수 있습니다. 우리는 기반이 되는 VAE 또는 플로우 모델 (flow model)을 재학습시키지 않고도, TRELLIS.2의 플로우 기반 3D 생성 (flow-based 3D generation) 과정 중에 임의의 유한 점군 대칭성 (finite point group symmetries: 회전, 반사 및 다면체 대칭)을 강제하는 방법인 SymTRELLIS를 제시합니다. 우리의 핵심 아이디어는 공간 변환 (spatial transformations)의 잠재 공간 작용 (latent-space action)을 복셀 잠재 변수 (voxel latents) 상의 학습된 선형 연산자 (linear operator)로 근사하는 것이며, 이는 일반적인 비대칭 3D 데이터로 학습된 경량 공간 변환 잠재 매퍼 (spatial-transform latent mapper)로 구현됩니다. 생성 시에는 각 ODE 단계에서 모든 대칭 등가 변환 (symmetry-equivalent transformations)에 걸쳐 예측된 플로우 속도 (flow velocities)를 평균화함으로써 대칭성을 강제하며, 이 과정을 속도 대칭화 (velocity symmetrization)라고 부릅니다. 대칭 사양은 초기 TRELLIS.2 생성으로부터 자동으로 추정하거나 사용자가 직접 제공할 수 있어, 입력 이미지가 암시하는 것 이상의 의도적인 폴드 조작 (fold manipulation)이 가능합니다. 2회에서 20회 회전 및 다면체 대칭 그룹을 아우르는 266개의 엄격하게 대칭적인 객체로 구성된 큐레이션된 벤치마크에서, SymTRELLIS는 기본 모델과 유사한 재구성 정확도 (reconstruction accuracy)를 유지하면서도 TRELLIS.2, Hunyuan3D-2.1, TripoSG에 비해 모든 대칭 오류 지표를 실질적으로 감소시켰습니다.