論文の概要: Fit4CAD: A point cloud benchmark for fitting simple geometric primitives
in CAD models
- arxiv url: http://arxiv.org/abs/2105.06858v1
- Date: Fri, 14 May 2021 14:32:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-17 12:37:54.813655
- Title: Fit4CAD: A point cloud benchmark for fitting simple geometric primitives
in CAD models
- Title（参考訳）: fit4cad:cadモデルに単純な幾何学的プリミティブを適合させるためのポイントクラウドベンチマーク
- Authors: Chiara Romanengo, Andrea Raffo, Yifan Qie, Nabil Anwer, Bianca
Falcidieno
- Abstract要約: Fit4CADはCADモデルを表す点雲に単純な幾何学的プリミティブを適合させる手法の評価と比較のためのベンチマークである。
データセットは225個の高品質な点雲で構成され、それぞれCADモデルをサンプリングして得られた。
- 参考スコア（独自算出の注目度）: 1.3999481573773072
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose Fit4CAD, a benchmark for the evaluation and comparison of methods
for fitting simple geometric primitives in point clouds representing CAD
models. This benchmark is meant to help both method developers and those who
want to identify the best performing tools. The Fit4CAD dataset is composed by
225 high quality point clouds, each of which has been obtained by sampling a
CAD model. The way these elements were created by using existing platforms and
datasets makes the benchmark easily expandable. The dataset is already split
into a training set and a test set. To assess performance and accuracy of the
different primitive fitting methods, various measures are defined. To
demonstrate the effective use of Fit4CAD, we have tested it on two methods
belonging to two different categories of approaches to the primitive fitting
problem: a clustering method based on a primitive growing framework and a
parametric method based on the Hough transform.
- Abstract（参考訳）: CADモデルを表す点雲に単純な幾何学的プリミティブを適合させる手法の評価と比較のためのベンチマークであるFit4CADを提案する。
このベンチマークは、メソッド開発者と最高のパフォーマンスツールを特定したい人の両方を支援する。
Fit4CADデータセットは、225個の高品質な点雲で構成され、それぞれCADモデルをサンプリングして得られた。
これらの要素は既存のプラットフォームとデータセットを使って作成され、ベンチマークを容易に拡張できる。
データセットはすでにトレーニングセットとテストセットに分割されています。
異なるプリミティブフィッティング法の性能と精度を評価するため、様々な測定方法が定義される。
本研究では,Fit4CADの有効利用を実証するために,プリミティブなフィッティング問題に対するアプローチの2つの異なるカテゴリに属する2つの手法,すなわちプリミティブな成長フレームワークに基づくクラスタリング法とHough変換に基づくパラメトリック手法で検証した。
関連論文リスト
- Constraint Learning for Parametric Point Cloud [19.190053031718417]
パラメトリック点雲はCAD形状から採取され、工業生産でますます普及している。
この問題に対処するために,制約の効果を分析し,その深層学習に優しい表現を提案した。
CstNetはCAD形状解析に適した制約に基づく最初の学習手法である。
論文 参考訳（メタデータ） (2024-11-12T12:18:18Z) - 3D Geometric Shape Assembly via Efficient Point Cloud Matching [59.241448711254485]
Proxy Match Transform (PMT) は、部品の配向面間の信頼性の高いマッチングを可能にする、高次特徴変換層である。
PMT を基盤として,幾何学的組立作業のための新しいフレームワーク Proxy Match TransformeR (PMTR) を導入する。
我々は,Breaking Badの大規模3次元幾何形状集合ベンチマークデータセットを用いてPMTRの評価を行った。
論文 参考訳（メタデータ） (2024-07-15T08:50:02Z) - Self-supervised Graph Neural Network for Mechanical CAD Retrieval [29.321027284348272]
GC-CADは、機械的CAD検索のための、自己教師付きコントラストグラフニューラルネットワークに基づく手法である。
提案手法は, 精度を向上し, ベースライン法よりも100倍の効率向上を実現している。
論文 参考訳（メタデータ） (2024-06-13T06:56:49Z) - 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) - Evaluating Deep Clustering Algorithms on Non-Categorical 3D CAD Models [17.680376408792025]
この研究は、3次元形状の深層クラスタリングアルゴリズムの未探索領域を直接ターゲットとした最初のものである。
深部幾何学コンピューティングに現れ始めている巨大な3D形状のコレクションを分析し活用するための重要なビルディングブロックとなるでしょう。
論文 参考訳（メタデータ） (2024-04-29T22:39:55Z) - KP-RED: Exploiting Semantic Keypoints for Joint 3D Shape Retrieval and Deformation [87.23575166061413]
KP-RED は KeyPoint 主導の Retrieval and deformation フレームワークである。
オブジェクトスキャンを入力として、最も幾何学的に類似したCADモデルを共同で検索し、変形させる。
論文 参考訳（メタデータ） (2024-03-15T08:44:56Z) - Rethinking Few-shot 3D Point Cloud Semantic Segmentation [62.80639841429669]
本稿では,FS-PCSによる3Dポイント・クラウドセマンティックセマンティックセグメンテーションについて再検討する。
我々は、最先端の2つの重要な問題、前景の漏洩とスパースポイントの分布に焦点をあてる。
これらの問題に対処するために、新しいベンチマークを構築するための標準化されたFS-PCS設定を導入する。
論文 参考訳（メタデータ） (2024-03-01T15:14:47Z) - FoundationPose: Unified 6D Pose Estimation and Tracking of Novel Objects [55.77542145604758]
FoundationPoseは、6Dオブジェクトのポーズ推定と追跡のための統合基盤モデルである。
我々のアプローチは、微調整なしで、テスト時に新しいオブジェクトに即座に適用できる。
論文 参考訳（メタデータ） (2023-12-13T18:28:09Z) - 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) - Fitting and recognition of geometric primitives in segmented 3D point
clouds using a localized voting procedure [1.8352113484137629]
投票手順によって各タイプの原始パラメータを初期推定できる点雲処理手法を提案する。
これらの推定値を用いることで、最適解の探索を次元的に還元された空間に局所化し、HT を文献で一般的に見られるものよりもより原始的に拡張することが効率的となる。
論文 参考訳（メタデータ） (2022-05-30T20:47:43Z) - Learn to Learn Metric Space for Few-Shot Segmentation of 3D Shapes [17.217954254022573]
メタラーニングに基づく3次元形状分割手法を提案する。
本稿では,ShapeNet部データセットにおける提案手法の優れた性能を,既存のベースラインや最先端の半教師手法と比較し,いくつかのシナリオで示す。
論文 参考訳（メタデータ） (2021-07-07T01:47:00Z)
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。