論文の概要: CAD-Deform: Deformable Fitting of CAD Models to 3D Scans

• arxiv url: http://arxiv.org/abs/2007.11965v1
• Date: Thu, 23 Jul 2020 12:30:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-07 12:38:37.340740
• Title: CAD-Deform: Deformable Fitting of CAD Models to 3D Scans
• Title（参考訳）: CAD-Deform:CADモデルの3Dスキャンへの変形可能なフィッティング
• Authors: Vladislav Ishimtsev, Alexey Bokhovkin, Alexey Artemov, Savva Ignatyev, Matthias Niessner, Denis Zorin, Evgeny Burnaev
• Abstract要約: 本稿では,検索したCADモデルを用いて,より高精度なCAD-to-Scanマッチングを実現するCAD-Deformを提案する。 一連の実験により,本手法はより厳密なスキャン・トゥ・CAD適合性を実現し,スキャンした実環境のより正確なデジタル複製を可能にした。
• 参考スコア（独自算出の注目度）: 30.451330075135076
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Shape retrieval and alignment are a promising avenue towards turning 3D scans into lightweight CAD representations that can be used for content creation such as mobile or AR/VR gaming scenarios. Unfortunately, CAD model retrieval is limited by the availability of models in standard 3D shape collections (e.g., ShapeNet). In this work, we address this shortcoming by introducing CAD-Deform, a method which obtains more accurate CAD-to-scan fits by non-rigidly deforming retrieved CAD models. Our key contribution is a new non-rigid deformation model incorporating smooth transformations and preservation of sharp features, that simultaneously achieves very tight fits from CAD models to the 3D scan and maintains the clean, high-quality surface properties of hand-modeled CAD objects. A series of thorough experiments demonstrate that our method achieves significantly tighter scan-to-CAD fits, allowing a more accurate digital replica of the scanned real-world environment while preserving important geometric features present in synthetic CAD environments.
• Abstract（参考訳）: 形状の検索とアライメントは、3DスキャンをモバイルやAR/VRゲームシナリオなどのコンテンツ作成に使用できる軽量CAD表現に変換するための有望な道である。 残念なことにCADモデル検索は、標準的な3D形状のコレクション(ShapeNetなど)でモデルが利用できることで制限される。 本研究では,より正確なcad-to-scan適合度を得る手法であるcad-deformを導入することで,この欠点を解決する。 我々の重要な貢献は、滑らかな変形とシャープな特徴の保存を取り入れた新しい非剛性変形モデルであり、同時にCADモデルから3Dスキャンに非常に密な適合を実現し、手作りCADオブジェクトのクリーンで高品質な表面特性を維持する。 その結果,本手法は,合成cad環境に存在する重要な幾何学的特徴を保ちつつ,より正確な実環境のデジタルレプリカを実現することが可能となった。

関連論文リスト

• Img2CAD: Conditioned 3D CAD Model Generation from Single Image with Structured Visual Geometry [12.265852643914439]
  編集可能なパラメータを生成するために2次元画像入力を用いた最初の知識であるImg2CADを提案する。 Img2CADはAI 3D再構成とCAD表現のシームレスな統合を可能にする。
  論文  参考訳（メタデータ） (2024-10-04T13:27:52Z)
• OpenECAD: An Efficient Visual Language Model for Editable 3D-CAD Design [1.481550828146527]
  OpenECADモデル(0.55B, 0.89B, 2.4B, 3.1B)を作成するための事前学習モデルの微調整を行った。 OpenECADモデルは、入力として3Dデザインの画像を処理することができ、高度に構造化された2Dスケッチと3D構築コマンドを生成する。 これらの出力は、プロジェクトファイルを生成するために既存のCADツールのAPIで直接使用することができる。
  論文  参考訳（メタデータ） (2024-06-14T10:47:52Z)
• 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)
• Pushing Auto-regressive Models for 3D Shape Generation at Capacity and Scalability [118.26563926533517]
  自己回帰モデルでは,格子空間における関節分布をモデル化することにより,2次元画像生成において顕著な結果が得られた。 自動回帰モデルを3次元領域に拡張し,キャパシティとスケーラビリティを同時に向上することにより,3次元形状生成の強力な能力を求める。
  論文  参考訳（メタデータ） (2024-02-19T15:33:09Z)
• Model2Scene: Learning 3D Scene Representation via Contrastive Language-CAD Models Pre-training [105.3421541518582]
  現在成功している3次元シーン認識法は、大規模アノテートされた点雲に依存している。 CAD(Computer-Aided Design)モデルと言語から自由な3Dシーン表現を学習する新しいパラダイムであるModel2Sceneを提案する。 Model2Sceneは、平均mAPが46.08%、ScanNetとS3DISのデータセットが55.49%という、ラベルなしの優れた3Dオブジェクトのサリエント検出をもたらす。
  論文  参考訳（メタデータ） (2023-09-29T03:51:26Z)
• Weakly-Supervised End-to-End CAD Retrieval to Scan Objects [25.41908065938424]
  本稿では,意味的および構造的に類似したCADモデルをクエリ3Dスキャンシーンに検索する手法を提案する。 提案手法では,トップモデルとスキャンクエリとの幾何的および知覚的類似性により,エンド・ツー・エンドのトレーニングを可能にする。
  論文  参考訳（メタデータ） (2022-03-24T06:30:47Z)
• ROCA: Robust CAD Model Retrieval and Alignment from a Single Image [22.03752392397363]
  本稿では,形状データベースから1つの入力画像へ3次元CADモデルを検索・アライメントする,新しいエンドツーエンドアプローチであるROCAを提案する。 ScanNetによる挑戦的で現実的な画像の実験では、ROCAは検索対応CADアライメントの精度が9.5%から17.6%に向上した。
  論文  参考訳（メタデータ） (2021-12-03T16:02:32Z)
• HybridSDF: Combining Free Form Shapes and Geometric Primitives for effective Shape Manipulation [58.411259332760935]
  深層学習に基づく3次元表面モデリングが新しい形状設計の道を開いた。 これらの進歩はCADコミュニティではまだ受け入れられていない。 本稿では,幾何学的プリミティブと暗黙曲面で表される自由曲面を効果的に組み合わせて正確なモデリングを行う手法を提案する。
  論文  参考訳（メタデータ） (2021-09-22T14:45:19Z)
• Patch2CAD: Patchwise Embedding Learning for In-the-Wild Shape Retrieval from a Single Image [58.953160501596805]
  本稿では,2次元画像と3次元CADモデルの結合埋め込み空間をパッチワイズで構築する手法を提案する。 我々のアプローチは、CADが正確に一致しない実世界のシナリオにおける最先端技術よりも堅牢である。
  論文  参考訳（メタデータ） (2021-08-20T20:58:52Z)
• 'CADSketchNet' -- An Annotated Sketch dataset for 3D CAD Model Retrieval with Deep Neural Networks [0.8155575318208631]
  本稿では,ディープラーニングに基づく3次元CADモデルの検索システム構築に適したデータセットの開発を目的とする。 また,スケッチ画像を入力クエリとして受信する3次元CADモデルの検索システムや検索エンジンの性能を評価することを目的とする。
  論文  参考訳（メタデータ） (2021-07-13T16:10:16Z)
• Mask2CAD: 3D Shape Prediction by Learning to Segment and Retrieve [54.054575408582565]
  本稿では,既存の3次元モデルの大規模データセットを活用し,画像中の物体の3次元構造を理解することを提案する。 本稿では,実世界の画像と検出対象を共同で検出するMask2CADについて,最も類似したCADモデルとそのポーズを最適化する。 これにより、画像内のオブジェクトのクリーンで軽量な表現が生成される。
  論文  参考訳（メタデータ） (2020-07-26T00:08:37Z)

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。