本文介绍了多种神经网络模型的对称性和等变性技术，包括群卷积、元学习和自监督学习。这些方法在图像处理和物理系统建模中表现出色，提升了模型的鲁棒性和泛化能力。此外，研究提出了新颖的对称性检测方法，以解决非对称物体的识别问题。

本文综述了基于等变卷积神经网络的多种算法，包括G-CNN、SE(3)群卷积核、球面卷积和旋转不变小针卷积等，应用于自然图像分类、医学影像分割、断层成像和蛋白质结构预测。这些方法利用旋转与反射对称性，提升了样本效率、泛化能力和计算效率，在多项基准上优于传统CNN。