論文の概要: JoinABLe: Learning Bottom-up Assembly of Parametric CAD Joints

• arxiv url: http://arxiv.org/abs/2111.12772v1
• Date: Wed, 24 Nov 2021 20:05:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-29 16:11:25.056851
• Title: JoinABLe: Learning Bottom-up Assembly of Parametric CAD Joints
• Title（参考訳）: JoinABLe:パラメトリックCAD関節のボトムアップアセンブリ学習
• Authors: Karl D.D. Willis, Pradeep Kumar Jayaraman, Hang Chu, Yunsheng Tian, Yifei Li, Daniele Grandi, Aditya Sanghi, Linh Tran, Joseph G. Lambourne, Armando Solar-Lezama, Wojciech Matusik
• Abstract要約: JoinABLeは、パーツを組み立ててジョイントを形成する学習ベースの方法である。 以上の結果から, ソリッドモデルのグラフ表現上でネットワーク予測を行うことで, 精度79.53%の精度で複数のベースライン法を上回り, 性能80%に近づいた。
• 参考スコア（独自算出の注目度）: 34.15876903985372
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physical products are often complex assemblies combining a multitude of 3D parts modeled in computer-aided design (CAD) software. CAD designers build up these assemblies by aligning individual parts to one another using constraints called joints. In this paper we introduce JoinABLe, a learning-based method that assembles parts together to form joints. JoinABLe uses the weak supervision available in standard parametric CAD files without the help of object class labels or human guidance. Our results show that by making network predictions over a graph representation of solid models we can outperform multiple baseline methods with an accuracy (79.53%) that approaches human performance (80%). Finally, to support future research we release the Fusion 360 Gallery assembly dataset, containing assemblies with rich information on joints, contact surfaces, holes, and the underlying assembly graph structure.
• Abstract（参考訳）: 物理製品は、コンピュータ支援設計(cad)ソフトウェアでモデル化された多数の3d部品を組み合わせた複雑なアセンブリであることが多い。 CADデザイナは、ジョイントと呼ばれる制約を使って、個々のパーツを互いにアライメントすることで、これらのアセンブリを構築する。 本稿では,ジョイントを形成するために部品を組み立てる学習ベース手法JoinABLeを紹介する。 JoinABLeは、オブジェクトクラスラベルや人的ガイダンスの助けなしに、標準的なパラメトリックCADファイルで利用可能な弱い監視を使用する。 その結果, ソリッドモデルのグラフ表現上でネットワーク予測を行うことで, 人間の性能(80%)に近づく精度79.53%の精度で, 複数のベースライン法を上回り得ることがわかった。 最後に、今後の研究をサポートするために、Fusion 360 Galleryアセンブリデータセットをリリースし、関節、接触面、穴、基礎となるアセンブリグラフ構造に関する豊富な情報を含むアセンブリを含む。

関連論文リスト

• 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)
• SECAD-Net: Self-Supervised CAD Reconstruction by Learning Sketch-Extrude Operations [21.000539206470897]
  SECAD-Netは、コンパクトで使いやすいCADモデルの再構築を目的とした、エンドツーエンドのニューラルネットワークである。 本研究は,CAD再構築の手法など,最先端の代替手段よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-19T09:26:03Z)
• Category-Level Multi-Part Multi-Joint 3D Shape Assembly [36.74814134087434]
  グラフ表現学習の2段階からなる階層的なグラフ学習手法を提案する。 部分グラフは、所望の形状構造を構築するための入力として部分ジオメトリを取る。 ジョイントレベルグラフは、部分ジョイント情報を使用し、整合性や整合性に重点を置いている。
  論文  参考訳（メタデータ） (2023-03-10T19:02:26Z)
• Multiview Compressive Coding for 3D Reconstruction [77.95706553743626]
  単一オブジェクトの3Dポイントやシーン全体で動作するシンプルなフレームワークを紹介します。 我々のモデルであるMultiview Compressive Codingは、入力の外観と形状を圧縮して3次元構造を予測する。
  論文  参考訳（メタデータ） (2023-01-19T18:59:52Z)
• Mates2Motion: Learning How Mechanical CAD Assemblies Work [7.987370879817241]
  我々はCAD部品と仲間からなる実世界の機械組立体の大規模なデータセットを用いてモデルを訓練する。 組立の動作をよりよく反映できるように、また、運動の軸を狭めるために、これらの仲間を再定義する方法を提案する。
  論文  参考訳（メタデータ） (2022-08-02T23:12:37Z)
• 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)
• SB-GCN: Structured BREP Graph Convolutional Network for Automatic Mating of CAD Assemblies [3.732457298487595]
  アセンブリモデリングは、現代のCADにおける支配的なデータ構造であるパラメトリック境界表現(BREP)を反映しているため、現代のCADシステムには直接適用されない。 本稿では,部品のトポロジ的構造を保持するBREPの表現学習手法であるSB-GCNを提案する。
  論文  参考訳（メタデータ） (2021-05-25T22:07:55Z)
• Vid2CAD: CAD Model Alignment using Multi-View Constraints from Videos [48.69114433364771]
  複数のオブジェクトを含む複雑なシーンの映像シーケンスにCADモデルを整列させる作業に対処する。 提案手法では,任意のビデオの処理が可能で,各オブジェクトに対する9つのDoFポーズを自動的に復元し,共通3次元座標フレームに整列させる。
  論文  参考訳（メタデータ） (2020-12-08T18:57:45Z)
• Fusion 360 Gallery: A Dataset and Environment for Programmatic CAD Construction from Human Design Sequences [43.57844212541765]
  簡単な言語で構成されたFusion 360 Galleryを紹介します。 また,CADプログラムの逐次構築をマルコフ決定プロセスとして公開するFusion 360 Gymという対話型環境を提案する。
  論文  参考訳（メタデータ） (2020-10-05T23:18:21Z)
• Monocular Real-time Hand Shape and Motion Capture using Multi-modal Data [77.34069717612493]
  本稿では,100fpsの単眼手形状とポーズ推定の新たな手法を提案する。 これは、利用可能なハンドトレーニングデータのソースをすべて活用できるように設計された、新しい学習ベースのアーキテクチャによって実現されている。 3次元手関節検出モジュールと逆キネマティクスモジュールを備えており、3次元手関節位置だけでなく、1つのフィードフォワードパスでそれらを関節回転にマッピングする。
  論文  参考訳（メタデータ） (2020-03-21T03:51:54Z)

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。