論文の概要: SketchGraphs: A Large-Scale Dataset for Modeling Relational Geometry in
Computer-Aided Design
- arxiv url: http://arxiv.org/abs/2007.08506v1
- Date: Thu, 16 Jul 2020 17:56:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 22:23:00.280777
- Title: SketchGraphs: A Large-Scale Dataset for Modeling Relational Geometry in
Computer-Aided Design
- Title（参考訳）: SketchGraphs:コンピュータ支援設計における関係幾何学モデリングのための大規模データセット
- Authors: Ari Seff, Yaniv Ovadia, Wenda Zhou, Ryan P. Adams
- Abstract要約: CAD(Parametric Computer-Aided Design)は、物理設計における機械工学の主要なパラダイムである。
SketchGraphsは、実世界のCADモデルから抽出された1500万のスケッチと、オープンソースのデータ処理パイプラインを組み合わせたコレクションである。
- 参考スコア（独自算出の注目度）: 18.041056084458567
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Parametric computer-aided design (CAD) is the dominant paradigm in mechanical
engineering for physical design. Distinguished by relational geometry,
parametric CAD models begin as two-dimensional sketches consisting of geometric
primitives (e.g., line segments, arcs) and explicit constraints between them
(e.g., coincidence, perpendicularity) that form the basis for three-dimensional
construction operations. Training machine learning models to reason about and
synthesize parametric CAD designs has the potential to reduce design time and
enable new design workflows. Additionally, parametric CAD designs can be viewed
as instances of constraint programming and they offer a well-scoped test bed
for exploring ideas in program synthesis and induction. To facilitate this
research, we introduce SketchGraphs, a collection of 15 million sketches
extracted from real-world CAD models coupled with an open-source data
processing pipeline. Each sketch is represented as a geometric constraint graph
where edges denote designer-imposed geometric relationships between primitives,
the nodes of the graph. We demonstrate and establish benchmarks for two use
cases of the dataset: generative modeling of sketches and conditional
generation of likely constraints given unconstrained geometry.
- Abstract（参考訳）: CAD(Parametric Computer-Aided Design)は、物理設計における機械工学の主要なパラダイムである。
パラメトリックCADモデルは、幾何学的プリミティブ(線分、弧など)とそれらの間の明示的な制約(偶然、垂直性など)からなる2次元スケッチとして始まり、3次元構成操作の基礎となる。
パラメトリックCAD設計を推論し合成するための機械学習モデルを訓練することは、設計時間を短縮し、新しい設計ワークフローを可能にする可能性がある。
さらに、パラメトリックCAD設計は制約プログラミングの例と見なすことができ、プログラムの合成と帰納に関するアイデアを探求するためのよく観察されたテストベッドを提供する。
本研究では,実世界のCADモデルから抽出した1500万のスケッチと,オープンソースのデータ処理パイプラインを組み合わせたSketchGraphsを紹介する。
各スケッチは幾何学的制約グラフとして表現され、辺はグラフのノードであるプリミティブ間のデザイナーによる幾何学的関係を表す。
我々は,データセットの2つのユースケースについて,スケッチの生成的モデリングと,制約のない幾何学的制約の条件付き生成のベンチマークを実証し,確立する。
関連論文リスト
- PS-CAD: Local Geometry Guidance via Prompting and Selection for CAD Reconstruction [86.726941702182]
再構成ネットワークPS-CADに幾何学的ガイダンスを導入する。
我々は、現在の再構成が点雲としての完備モデルと異なる曲面の幾何学を提供する。
第二に、幾何学的解析を用いて、候補面に対応する平面的プロンプトの集合を抽出する。
論文 参考訳（メタデータ） (2024-05-24T03:43:55Z) - A Survey of Geometric Graph Neural Networks: Data Structures, Models and
Applications [67.33002207179923]
本稿では、幾何学的GNNに関するデータ構造、モデル、および応用について調査する。
幾何学的メッセージパッシングの観点から既存のモデルの統一的なビューを提供する。
また、方法論開発と実験評価の後の研究を促進するために、アプリケーションと関連するデータセットを要約する。
論文 参考訳（メタデータ） (2024-03-01T12:13:04Z) - Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
本調査では,コンピュータ支援設計における学習手法の概要について概観する。
類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。
ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
論文 参考訳（メタデータ） (2024-02-27T17:11:35Z) - Automatic Parameterization for Aerodynamic Shape Optimization via Deep
Geometric Learning [60.69217130006758]
空力形状最適化のための形状パラメータ化を完全に自動化する2つの深層学習モデルを提案する。
どちらのモデルも、深い幾何学的学習を通じてパラメータ化し、人間の事前知識を学習された幾何学的パターンに埋め込むように最適化されている。
2次元翼の形状最適化実験を行い、2つのモデルに適用可能なシナリオについて論じる。
論文 参考訳（メタデータ） (2023-05-03T13:45:40Z) - SECAD-Net: Self-Supervised CAD Reconstruction by Learning Sketch-Extrude
Operations [21.000539206470897]
SECAD-Netは、コンパクトで使いやすいCADモデルの再構築を目的とした、エンドツーエンドのニューラルネットワークである。
本研究は,CAD再構築の手法など,最先端の代替手段よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-03-19T09:26:03Z) - Reconstructing editable prismatic CAD from rounded voxel models [16.03976415868563]
この課題を解決するために,新しいニューラルネットワークアーキテクチャを導入する。
本手法は形状を分解することでボクセル空間の入力幾何を再構成する。
推論の際には,まず2次元制約付きスケッチのデータベースを検索し,CADデータを取得する。
論文 参考訳（メタデータ） (2022-09-02T16:44:10Z) - Vitruvion: A Generative Model of Parametric CAD Sketches [22.65229769427499]
本稿では,パラメトリックCADスケッチの生成モデルを提案する。
我々のモデルは、SketchGraphsデータセットから実世界のデザインを訓練し、スケッチをプリミティブのシーケンスとして自動回帰的に合成する。
我々は、部分スケッチ(プライマー)や手描きスケッチのイメージなど、様々な文脈でモデルを条件付けする。
論文 参考訳（メタデータ） (2021-09-29T01:02:30Z) - SketchGen: Generating Constrained CAD Sketches [34.26732809515799]
異種性問題に対処するトランスフォーマーアーキテクチャに基づく生成モデルとしてSketchGenを提案する。
私たちの仕事のハイライトは、最終的なアウトプットをより規則化するための制約によってリンクされたプリミティブを生成する機能です。
論文 参考訳（メタデータ） (2021-06-04T20:45:03Z) - Engineering Sketch Generation for Computer-Aided Design [10.732102570751392]
エンジニアリングスケッチ生成のための2つの生成モデルであるCurveGenとTurtleGenを提案する。
どちらのモデルも、スケッチ制約を解く必要なしに曲線プリミティブを生成する。
私たちは、CurveGenとTurtleGenの両方がより現実的なエンジニアリングスケッチを生成する人間の被験者を使用して知覚評価で見つける。
論文 参考訳（メタデータ） (2021-04-19T20:38:36Z) - DSG-Net: Learning Disentangled Structure and Geometry for 3D Shape
Generation [98.96086261213578]
DSG-Netは3次元形状の非交叉構造と幾何学的メッシュ表現を学習するディープニューラルネットワークである。
これは、幾何(構造)を不変に保ちながら構造(幾何学)のような不整合制御を持つ新しい形状生成アプリケーションの範囲をサポートする。
本手法は,制御可能な生成アプリケーションだけでなく,高品質な合成形状を生成できる。
論文 参考訳（メタデータ） (2020-08-12T17:06:51Z) - CoSE: Compositional Stroke Embeddings [52.529172734044664]
本稿では、ストロークベースの描画タスクのような複雑な自由形式構造に対する生成モデルを提案する。
我々のアプローチは、自動補完図のようなインタラクティブなユースケースに適している。
論文 参考訳（メタデータ） (2020-06-17T15:22:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。