論文の概要: 'CADSketchNet' -- An Annotated Sketch dataset for 3D CAD Model Retrieval
with Deep Neural Networks
- arxiv url: http://arxiv.org/abs/2107.06212v1
- Date: Tue, 13 Jul 2021 16:10:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-14 14:58:34.913178
- Title: 'CADSketchNet' -- An Annotated Sketch dataset for 3D CAD Model Retrieval
with Deep Neural Networks
- Title（参考訳）: CADSketchNet' - ディープニューラルネットワークを用いた3次元CADモデル検索のためのアノテーション付きスケッチデータセット
- Authors: Bharadwaj Manda, Shubham Dhayarkar, Sai Mitheran, V.K. Viekash,
Ramanathan Muthuganapathy
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.8155575318208631
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Ongoing advancements in the fields of 3D modelling and digital archiving have
led to an outburst in the amount of data stored digitally. Consequently,
several retrieval systems have been developed depending on the type of data
stored in these databases. However, unlike text data or images, performing a
search for 3D models is non-trivial. Among 3D models, retrieving 3D
Engineering/CAD models or mechanical components is even more challenging due to
the presence of holes, volumetric features, presence of sharp edges etc., which
make CAD a domain unto itself. The research work presented in this paper aims
at developing a dataset suitable for building a retrieval system for 3D CAD
models based on deep learning. 3D CAD models from the available CAD databases
are collected, and a dataset of computer-generated sketch data, termed
'CADSketchNet', has been prepared. Additionally, hand-drawn sketches of the
components are also added to CADSketchNet. Using the sketch images from this
dataset, the paper also aims at evaluating the performance of various retrieval
system or a search engine for 3D CAD models that accepts a sketch image as the
input query. Many experimental models are constructed and tested on
CADSketchNet. These experiments, along with the model architecture, choice of
similarity metrics are reported along with the search results.
- Abstract（参考訳）: 3Dモデリングとデジタルアーカイブの分野での進歩は、デジタルに保存されるデータの量を大幅に減らした。
その結果,データベースに格納されるデータの種類に応じて,複数の検索システムが開発された。
しかし、テキストデータや画像とは異なり、3Dモデルの検索は簡単ではない。
3Dモデルの中で、3D Engineering/CADモデルやメカニカルコンポーネントの検索は、穴やボリュームの特徴、鋭いエッジの存在などにより、CAD自体をドメインとして切り離すため、さらに難しい。
本稿では,深層学習に基づく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を開発することを目的とした。
利用可能なCADデータベースから3次元CADモデルを収集し、「CADSketchNet」と呼ばれるコンピュータ生成スケッチデータのデータセットを作成する。
さらにcadsketchnetには、コンポーネントの手書きスケッチも追加されている。
また,本データセットのスケッチ画像を用いて,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した。
多くの実験モデルがcadsketchnetで構築され、テストされている。
これらの実験は、モデルアーキテクチャとともに、検索結果とともに類似度指標の選択を報告する。
関連論文リスト
- 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) - Visual Localization using Imperfect 3D Models from the Internet [54.731309449883284]
本稿では,3次元モデルにおける欠陥が局所化精度に与える影響について検討する。
インターネットから得られる3Dモデルは、容易に表現できるシーン表現として有望であることを示す。
論文 参考訳（メタデータ） (2023-04-12T16:15:05Z) - SketchANIMAR: Sketch-based 3D Animal Fine-Grained Retrieval [17.286320102183502]
我々は,スケッチクエリを用いたデータセットから関連する3D動物モデルを取得することに焦点を当てた,新しいSHRECチャレンジトラックを紹介した。
本コンテストでは,複雑かつ詳細なスケッチに基づいて,参加者が3Dモデルを取得する必要がある。
8つのチームから満足のいく結果が得られ、204回が実行されます。
論文 参考訳（メタデータ） (2023-04-12T09:40:38Z) - MobileBrick: Building LEGO for 3D Reconstruction on Mobile Devices [78.20154723650333]
高品質な3次元地下構造は3次元物体再構成評価に不可欠である。
本稿では,モバイルデバイスを用いた新しいマルチビューRGBDデータセットを提案する。
我々は,ハイエンド3Dスキャナーを使わずに,精密な3次元地下構造が得られる。
論文 参考訳（メタデータ） (2023-03-03T14:02:50Z) - CAD 3D Model classification by Graph Neural Networks: A new approach
based on STEP format [2.225882303328135]
コンピュータ支援設計(CAD)フォーマットで直接動作する3Dモデルの検索と分類のための新しいアプローチを提案する。
各種CADフォーマットの中で,製品製造情報の標準となるSTEP拡張について検討する。
我々はSTEPファイルの連結構造を利用して、ノードがプリミティブ要素であり、弧がそれらの間の接続であるグラフを作成する。
論文 参考訳（メタデータ） (2022-10-30T11:27:58Z) - GET3D: A Generative Model of High Quality 3D Textured Shapes Learned
from Images [72.15855070133425]
本稿では,複雑なトポロジ,リッチな幾何学的ディテール,高忠実度テクスチャを備えたExplicit Textured 3Dメッシュを直接生成する生成モデルであるGET3Dを紹介する。
GET3Dは、車、椅子、動物、バイク、人間キャラクターから建物まで、高品質な3Dテクスチャメッシュを生成することができる。
論文 参考訳（メタデータ） (2022-09-22T17:16:19Z) - 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) - DeepCAD: A Deep Generative Network for Computer-Aided Design Models [37.655225142981564]
形状をコンピュータ支援設計(CAD)操作のシーケンスとして記述した形状表現の3次元生成モデルについて述べる。
CAD操作と自然言語の類似性について,トランスフォーマーに基づくCAD生成ネットワークを提案する。
論文 参考訳（メタデータ） (2021-05-20T03:29:18Z) - PvDeConv: Point-Voxel Deconvolution for Autoencoding CAD Construction in
3D [23.87757211847093]
コンピュータ支援設計(cad)モデルの基盤となる形状を密に記述した10k点の高分解能点雲を合成することを学ぶ。
50k以上のCADモデルとその対応する3Dメッシュを含む新しい専用データセット、CC3Dを紹介します。
このデータセットは、3Dスキャン(CADモデル)のペアからサンプリングされた点雲の畳み込みオートエンコーダを学ぶために使用される。
論文 参考訳（メタデータ） (2021-01-12T14:14:13Z) - 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) - CAD-Deform: Deformable Fitting of CAD Models to 3D Scans [30.451330075135076]
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。
論文 参考訳（メタデータ） (2020-07-23T12:30:20Z)
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。