論文の概要: CLOI: An Automated Benchmark Framework For Generating Geometric Digital Twins Of Industrial Facilities

• arxiv url: http://arxiv.org/abs/2101.01355v1
• Date: Tue, 5 Jan 2021 05:47:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-11 11:30:40.256886
• Title: CLOI: An Automated Benchmark Framework For Generating Geometric Digital Twins Of Industrial Facilities
• Title（参考訳）: CLOI: 産業施設の幾何学的デジタル双対生成のための自動ベンチマークフレームワーク
• Authors: Eva Agapaki and Ioannis Brilakis
• Abstract要約: CLOIはディープラーニングと幾何学的手法を組み合わせて、ポイントをクラスと個々のインスタンスに分割する。 現在の実践状況と比較して、提案フレームワークは平均30%の推定時間節約を実現できます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper devises, implements and benchmarks a novel framework, named CLOI, that can accurately generate individual labelled point clusters of the most important shapes of existing industrial facilities with minimal manual effort in a generic point-level format. CLOI employs a combination of deep learning and geometric methods to segment the points into classes and individual instances. The current geometric digital twin generation from point cloud data in commercial software is a tedious, manual process. Experiments with our CLOI framework reveal that the method can reliably segment complex and incomplete point clouds of industrial facilities, yielding 82% class segmentation accuracy. Compared to the current state-of-practice, the proposed framework can realize estimated time-savings of 30% on average. CLOI is the first framework of its kind to have achieved geometric digital twinning for the most important objects of industrial factories. It provides the foundation for further research on the generation of semantically enriched digital twins of the built environment.
• Abstract（参考訳）: 本稿では,既存の産業施設の最も重要な形状の個々のラベル付きポイントクラスタを,汎用的な点レベルフォーマットで最小限の手作業で正確に生成する,CLOIという新しいフレームワークを考案し,実装し,ベンチマークする。 CLOIはディープラーニングと幾何学的手法を組み合わせて、ポイントをクラスと個々のインスタンスに分割する。 現在の商用ソフトウェアにおけるポイントクラウドデータからの幾何学的デジタルツイン生成は、面倒で手作業のプロセスである。 CLOIフレームワークを用いた実験により, 工業施設の複雑・不完全点雲を確実に分断でき, 82%の分画精度が得られることがわかった。 現在の実施状況と比較すると,提案手法は平均30%の時間節約を実現することができる。 CLOIは、工場の最も重要なオブジェクトに対して幾何学的デジタルツインニングを達成した最初のフレームワークである。 これは、構築された環境のセマンティックに富んだデジタル双生児の生成に関するさらなる研究の基礎を提供する。

関連論文リスト

• Are Large Language Models Good Classifiers? A Study on Edit Intent Classification in Scientific Document Revisions [62.12545440385489]
  大規模言語モデル(LLM)は、テキスト生成の大幅な進歩をもたらしたが、分類タスクの強化の可能性はまだ未検討である。 生成と符号化の両方のアプローチを含む分類のための微調整LDMを徹底的に研究するためのフレームワークを提案する。 我々はこのフレームワークを編集意図分類(EIC)においてインスタンス化する。
  論文  参考訳（メタデータ） (2024-10-02T20:48:28Z)
• Exploring Fine-grained Retail Product Discrimination with Zero-shot Object Classification Using Vision-Language Models [50.370043676415875]
  スマートリテールアプリケーションでは、多数の製品とその頻繁なターンオーバーは信頼性の高いゼロショットオブジェクト分類方法を必要とする。 我々は28の異なる製品カテゴリからなるMIMEXデータセットを紹介した。 我々は、提案したMIMEXデータセット上で、最先端ビジョン言語モデル(VLM)のゼロショットオブジェクト分類性能をベンチマークする。
  論文  参考訳（メタデータ） (2024-09-23T12:28:40Z)
• Generalized Few-Shot Point Cloud Segmentation Via Geometric Words [54.32239996417363]
  ショットポイントクラウドセグメンテーションアルゴリズムは、ベースクラスのセグメンテーション精度を犠牲にして、新しいクラスに適応するように学習する。 一般化された数ショット点雲のセグメンテーションというより実践的なパラダイムの最初の試みを示す。 基本クラスと新規クラス間で共有される幾何学的要素を表す幾何学的単語を提案し,それらを新しい幾何学的意味表現に組み込む。
  論文  参考訳（メタデータ） (2023-09-20T11:24:33Z)
• TSGM: A Flexible Framework for Generative Modeling of Synthetic Time Series [61.436361263605114]
  時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。 本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
  論文  参考訳（メタデータ） (2023-05-19T10:11:21Z)
• PrecTime: A Deep Learning Architecture for Precise Time Series Segmentation in Industrial Manufacturing Operations [3.6713387874278247]
  本稿では,PrecTimeと呼ばれる時系列セグメンテーションのための新しいシーケンス・ツー・シーケンス深層学習アーキテクチャを提案する。 PrecTimeは、複数のメトリクスに基づいて実装された5つの最先端のベースラインネットワークより優れています。
  論文  参考訳（メタデータ） (2023-01-27T12:47:27Z)
• The Digital Twin Landscape at the Crossroads of Predictive Maintenance, Machine Learning and Physics Based Modeling [14.781000287006755]
  デジタルツイン」という用語の歴史と、製品ライフサイクル管理、資産維持、機器艦隊管理、運用、計画の分野での当初の文脈を探求する。 デジタルツインフレームワークの適用は、予測保守の分野において強調され、その拡張は機械学習と物理に基づくモデリングを活用している。
  論文  参考訳（メタデータ） (2022-06-21T15:17:10Z)
• Synthetic Point Cloud Generation for Class Segmentation Applications [0.0]
  産業施設の維持は、インフラの劣化を特定するのに必要な煩雑なプロセスのため、危険が増している。 デジタルツインは、インフラの継続的なデジタル表現を監視することによって、メンテナンスを改善する可能性がある。 しかし、既存の幾何学を地図化するのに要する時間は、それらの使用を禁止している。
  論文  参考訳（メタデータ） (2022-05-07T23:21:58Z)
• Towards Robust Part-aware Instance Segmentation for Industrial Bin Picking [113.79582950811348]
  産業用ビンピッキングのための新しい部分認識型インスタンスセグメンテーションパイプラインを定式化する。 我々は、部品マスクと部品間オフセットを予測する部分認識ネットワークを設計し、続いて認識された部品をインスタンスに組み立てる部分集約モジュールを設計する。 このデータセットは、細く、非自明な形状の様々な産業オブジェクトを含む。
  論文  参考訳（メタデータ） (2022-03-05T14:58:05Z)
• Geometric Digital Twinning of Industrial Facilities: Retrieval of Industrial Shapes [0.0]
  本稿では,既存の産業施設の個々のラベル付きポイントクラスタ(インスタンス)をCADモデルで正確にマッチングできる,新しい形状検索手法を考案し,実装し,ベンチマークする。 画像とポイントクラウドのディープラーニングネットワークを組み合わせて、インスタンスを幾何学的に類似したCADモデルに分類し、マッチさせる。 共同ネットワークを用いた実験により,CADモデルを85.2%の精度で確実に検索できることが判明した。
  論文  参考訳（メタデータ） (2022-02-10T04:47:47Z)
• Instance Segmentation of Industrial Point Cloud Data [0.0]
  本稿では,産業施設のオブジェクト指向幾何デジタル双生児(gdts)を効率的に生成する方法について述べる。 我々のこれまでの研究は、最先端のクラスセグメンテーション性能(CLOIデータセットクラスの平均精度75%、平均AUC 90%)を達成した。 我々は,インスタンスセグメンテーションアルゴリズムの使用は,gDTの生成に必要な出力を提供する理論的可能性を持っていると論じる。
  論文  参考訳（メタデータ） (2020-12-24T02:34:59Z)
• Benchmarking Graph Neural Networks [75.42159546060509]
  グラフニューラルネットワーク(GNN)は、グラフ上のデータから分析および学習するための標準ツールキットとなっている。 成功している分野が主流で信頼性を持つようになるためには、進捗を定量化するためにベンチマークを開発する必要がある。 GitHubリポジトリは1,800のスターと339のフォークに到達し、提案されているオープンソースフレームワークの有用性を実証している。
  論文  参考訳（メタデータ） (2020-03-02T15:58:46Z)

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。