三维旋转学习：SO(3) 漫游指南

基于摘要分析。本文关注机器学习中如何选择三维旋转表示，综述不同表示对基于梯度优化的深度学习有利或不利的性质，并汇总学习涉及旋转表示的函数时的选择依据；主要贡献是综述与实践指南，而非新模型发布。 技术组织上，作者区分旋转作为模型输入与作为模型输出的情形，并将数据是否主要由小角度旋转构成作为另一项选择条件。这一框架提示，旋转表示的适用性需要结合其在学习任务中的角色及数据分布判断，而不宜脱离任务统一选择。 摘要未列出具体表示方法、性质的数学论证、对照实验或定量结果，因此尚不能核对各项建议的适用边界与效果。实验协议、消融及统计信息尚未验证，复现所需实现与数据条件亦需查阅全文。 原文主要研究对象是通用机器学习中的三维旋转表示，并非 EEG/BCI。材料未提供与神经信号处理的具体机制对应，故不据此提出 EEG 迁移效果或复现实验建议；相关 EEG 工作尚未检索确认。