論文の概要: Searching for Designs in-between

• arxiv url: http://arxiv.org/abs/2102.05864v1
• Date: Thu, 11 Feb 2021 06:44:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-11 12:09:52.354130
• Title: Searching for Designs in-between
• Title（参考訳）: 中間設計の探索
• Authors: Camilo Cruz Gambardella and Jon McCormack
• Abstract要約: 最適化と探索を組み合わせた設計のための進化的システムを導入する。 本手法は,3次元オブジェクトを生成可能な生物学的にインスパイアされた生成システムを用いて試験する。 高度に適合したアーティファクトを進化させ,審美的に興味深いアーティファクトと組み合わせることで,システムの能力について検討する。
• 参考スコア（独自算出の注目度）: 5.837881923712394
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The use of evolutionary methods in design and art is increasing in diversity and popularity. Approaches to using these methods for creative production typically focus either on optimisation or exploration. In this paper we introduce an evolutionary system for design that combines these two approaches, enabling users to explore landscapes of design alternatives using design-oriented measures of fitness, along with their own aesthetic preferences. We test our methods using a biologically-inspired generative system capable of producing 3D objects that can be exported directly as 3D printing toolpath instructions. For the search stage of our system we combine the use of the CMA-ES algorithm for optimisation and linear interpolation between generated objects for feature exploration. We investigate the system`s capabilities by evolving highly fit artefacts and then combining them with aesthetically interesting ones.
• Abstract（参考訳）: デザインとアートにおける進化的手法の使用は多様性と人気が高まっている。 これらの手法を創造的生産に利用するアプローチは、一般的に最適化または探索に焦点を当てる。 本稿では,この2つのアプローチを組み合わせて,デザイン指向の適合度尺度と独自の美的嗜好を用いて,デザイン代替案の景観を探索するデザイン進化システムを提案する。 本手法は,3Dプリンティングツールパス命令として直接エクスポート可能な3Dオブジェクトを生成可能な,生物学的にインスパイアされた生成システムを用いて試験する。 システムの探索段階では,CMA-ESアルゴリズムを用いて生成したオブジェクト間の線形補間を最適化し,特徴探索を行う。 我々は,高度に適合したアーティファクトを進化させ,それらを審美的に興味深いものと組み合わせることで,システムの能力を調べる。

関連論文リスト

• Evolutive Rendering Models [91.99498492855187]
  我々は、レンダリングプロセスを通して、動的に進化し適応する能力を持つレンダリングモデルである、テクスタイトボリューティブレンダリングモデルを提案する。 特に,3つの主要レンダリング要素の最適化を可能にする総合的な学習フレームワークを提案する。 安定な目標指向要素の進化を促進するために, 勾配特性の詳細な解析を行う。
  論文  参考訳（メタデータ） (2024-05-27T17:40:00Z)
• Part-aware Shape Generation with Latent 3D Diffusion of Neural Voxel Fields [50.12118098874321]
  ニューラルボクセル場に対する潜在3次元拡散過程を導入し,高分解能で生成を可能にする。 部分符号を神経ボクセル場に統合し、正確な部分分解を導出するために、部分認識形状復号器を導入する。 その結果,既存の最先端手法よりも優れた部品認識形状生成において,提案手法の優れた生成能力を示した。
  論文  参考訳（メタデータ） (2024-05-02T04:31:17Z)
• 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)
• Understanding fitness landscapes in morpho-evolution via local optima networks [0.1843404256219181]
  モルフォ進化(Morpho-evolution、ME)とは、ロボットの設計とコントローラを同時に最適化し、タスクと環境が与えられた性能を最大化することを指す。 従来の研究では、目的関数に対する性能と評価される設計の多様性に関して、エンコーディングの実証的な比較を行っているが、この結果を説明する試みは行われていない。 移動作業のためのロボットを進化させる際の3つの異なるエンコーディングによって引き起こされるフィットネスランドスケープの構造について検討し、異なるフィットネスランドスケープを探索プロセスで横断できる容易性に新たな光を当てる。
  論文  参考訳（メタデータ） (2024-02-12T17:26:35Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• Graphical Object-Centric Actor-Critic [55.2480439325792]
  本稿では,アクター批判とモデルに基づくアプローチを組み合わせたオブジェクト中心強化学習アルゴリズムを提案する。 変換器エンコーダを用いてオブジェクト表現とグラフニューラルネットワークを抽出し、環境のダイナミクスを近似する。 本アルゴリズムは,現状のモデルフリーアクター批判アルゴリズムよりも複雑な3次元ロボット環境と構成構造をもつ2次元環境において,より優れた性能を発揮する。
  論文  参考訳（メタデータ） (2023-10-26T06:05:12Z)
• Guide3D: Create 3D Avatars from Text and Image Guidance [55.71306021041785]
  Guide3Dは拡散モデルに基づく3Dアバター生成のためのテキスト・画像誘導生成モデルである。 我々のフレームワークは、トポロジカルかつ構造的に正しい幾何と高分解能なテクスチャを生成する。
  論文  参考訳（メタデータ） (2023-08-18T17:55:47Z)
• How does agency impact human-AI collaborative design space exploration? A case study on ship design with deep generative models [0.0]
  生成モデルは、コンパクトで多様な生成設計空間(GDS)を作成するために既存の設計を活用することでソリューションを提供する 我々はまず, 各種船舶の52,591 つの設計に基づいて, 生成的対角ネットワークを用いて GDS を構築した。 次に、ランダム(REM)、半自動(SAEM)、自動(AEM)の3つの探索モードを構築した。 以上の結果から,REMはSAEMとAEMに次いで最も多様な設計を創出するが,SAEMとAEMは優れた性能を持つ設計を創出することがわかった。
  論文  参考訳（メタデータ） (2023-05-16T21:40:51Z)
• Creative Discovery using QD Search [4.941630596191806]
  本稿では,進化的最適化とAIに基づく画像分類を組み合わせて品質多様性探索を行う手法を提案する。 抽象図面を生成する生成システム上で,本手法を検証した。
  論文  参考訳（メタデータ） (2023-05-08T05:11:02Z)
• Growing and Evolving 3D Prints [5.837881923712394]
  本稿では, 生物にインスパイアされた発達モデルについて, 生成型ファイリングシステムの基盤として記述する。 従来のシステムとは異なり,本手法では直接3Dプリント可能なオブジェクトを生成することができる。
  論文  参考訳（メタデータ） (2021-07-07T01:51:29Z)
• Auto-MVCNN: Neural Architecture Search for Multi-view 3D Shape Recognition [16.13826056628379]
  3Dシェイプ認識では、人間の視点を活かして3Dシェイプを解析し、大きな成果を上げています。 マルチビュー3D形状認識におけるアーキテクチャを最適化するために特に設計された,Auto-MVCNNというニューラルアーキテクチャ検索手法を提案する。
  論文  参考訳（メタデータ） (2020-12-10T07:40:28Z)

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。