論文の概要: Point2Cyl: Reverse Engineering 3D Objects from Point Clouds to Extrusion
Cylinders
- arxiv url: http://arxiv.org/abs/2112.09329v1
- Date: Fri, 17 Dec 2021 05:22:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-21 01:53:49.642864
- Title: Point2Cyl: Reverse Engineering 3D Objects from Point Clouds to Extrusion
Cylinders
- Title(参考訳): Point2Cyl: ポイントクラウドから押出シリンダへのリバースエンジニアリング3Dオブジェクト
- Authors: Mikaela Angelina Uy, Yen-yu Chang, Minhyuk Sung, Purvi Goel, Joseph
Lambourne, Tolga Birdal, Leonidas Guibas
- Abstract要約: 本稿では,生の3次元点雲を一組の押出シリンダに変換する教師ネットワークであるPoint2Cylを提案する。
提案手法は,2つのCADデータセット上での最良の性能を示す。
- 参考スコア(独自算出の注目度): 25.389088434370066
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose Point2Cyl, a supervised network transforming a raw 3D point cloud
to a set of extrusion cylinders. Reverse engineering from a raw geometry to a
CAD model is an essential task to enable manipulation of the 3D data in shape
editing software and thus expand their usages in many downstream applications.
Particularly, the form of CAD models having a sequence of extrusion cylinders
-- a 2D sketch plus an extrusion axis and range -- and their boolean
combinations is not only widely used in the CAD community/software but also has
great expressivity of shapes, compared to having limited types of primitives
(e.g., planes, spheres, and cylinders). In this work, we introduce a neural
network that solves the extrusion cylinder decomposition problem in a
geometry-grounded way by first learning underlying geometric proxies.
Precisely, our approach first predicts per-point segmentation, base/barrel
labels and normals, then estimates for the underlying extrusion parameters in
differentiable and closed-form formulations. Our experiments show that our
approach demonstrates the best performance on two recent CAD datasets, Fusion
Gallery and DeepCAD, and we further showcase our approach on reverse
engineering and editing.
- Abstract(参考訳): 本稿では,生の3次元点雲を一連の押出シリンダに変換する教師ネットワークであるPoint2Cylを提案する。
生の幾何学からCADモデルへのリバースエンジニアリングは、形状編集ソフトウェアにおける3Dデータの操作を可能にし、多くの下流アプリケーションでの利用を拡大するための重要な課題である。
特に、2次元スケッチと押出軸と射程を持つ一連の押出シリンダを持つcadモデルの形であり、それらのブールの組み合わせはcadコミュニティ/ソフトウェアで広く使われているだけでなく、限られた種類のプリミティブ(例えば、平面、球面、シリンダ)を持つものに比べて、形状の表現性も高い。
本研究では,まず幾何学的プロキシを学習することにより,押出シリンダの分解問題を幾何学的に解くニューラルネットワークを提案する。
より正確には,本手法はまず,点ごとのセグメンテーション,ベース/バレルラベルおよび正規化を予測し,その基礎となる押出パラメータを微分可能および閉形式の定式化で推定する。
実験の結果,本手法はFusion GalleryとDeepCADの2つのCADデータセット上で最高の性能を示し,さらにリバースエンジニアリングと編集のアプローチを示す。
関連論文リスト
- Oriented-grid Encoder for 3D Implicit Representations [10.02138130221506]
本論文は,3次元幾何エンコーダの3次元特性を明示的に利用した最初のものである。
提案手法は,従来の手法と比較して最先端の結果が得られる。
論文 参考訳(メタデータ) (2024-02-09T19:28:13Z) - 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) - SepicNet: Sharp Edges Recovery by Parametric Inference of Curves in 3D
Shapes [16.355677959323426]
本稿では,3次元形状の鋭いエッジを原始曲線として検出・パラメータ化するための新しいディープネットワークであるSepicNetを紹介する。
我々は,一様サンプリングよりも鋭い特徴を捕集する適応点雲サンプリング手法を開発した。
論文 参考訳(メタデータ) (2023-04-13T13:37:21Z) - 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) - Reconstructing editable prismatic CAD from rounded voxel models [16.03976415868563]
この課題を解決するために,新しいニューラルネットワークアーキテクチャを導入する。
本手法は形状を分解することでボクセル空間の入力幾何を再構成する。
推論の際には,まず2次元制約付きスケッチのデータベースを検索し,CADデータを取得する。
論文 参考訳(メタデータ) (2022-09-02T16:44:10Z) - Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based
Perception [122.53774221136193]
運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。
自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。
本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2021-09-12T06:25:11Z) - 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) - Cylinder3D: An Effective 3D Framework for Driving-scene LiDAR Semantic
Segmentation [87.54570024320354]
大規模運転シーンのLiDARセマンティックセマンティックセグメンテーションのための最先端の手法は、しばしば2D空間の点雲を投影して処理する。
3D-to-2Dプロジェクションの問題に取り組むための簡単な解決策は、3D表現を保ち、3D空間の点を処理することである。
我々は3次元シリンダー分割と3次元シリンダー畳み込みに基づくフレームワークをCylinder3Dとして開発し,3次元トポロジの関係と運転シーンの点雲の構造を利用する。
論文 参考訳(メタデータ) (2020-08-04T13:56:19Z) - SeqXY2SeqZ: Structure Learning for 3D Shapes by Sequentially Predicting
1D Occupancy Segments From 2D Coordinates [61.04823927283092]
本稿では,各2次元位置における関数の出力が内部の線分列である2次元関数を用いて3次元形状を表現することを提案する。
本研究では,SeqXY2SeqZと呼ばれるセック2Seqモデルを用いて,2つの任意の軸に沿った2次元座標列から3つの軸に沿った1次元位置の列への写像を学習する手法を提案する。
実験の結果,SeqXY2SeqZは広く使用されているベンチマークで最先端の手法よりも優れていることがわかった。
論文 参考訳(メタデータ) (2020-03-12T00:24:36Z) - Implicit Functions in Feature Space for 3D Shape Reconstruction and
Completion [53.885984328273686]
Implicit Feature Networks (IF-Nets) は連続的な出力を提供し、複数のトポロジを扱える。
IF-NetsはShapeNetにおける3次元オブジェクト再構成における先行作業よりも明らかに優れており、より正確な3次元人間の再構成が得られる。
論文 参考訳(メタデータ) (2020-03-03T11:14:29Z) - PUGeo-Net: A Geometry-centric Network for 3D Point Cloud Upsampling [103.09504572409449]
PUGeo-Netと呼ばれる新しいディープニューラルネットワークを用いた一様高密度点雲を生成する手法を提案する。
その幾何学中心の性質のおかげで、PUGeo-Netはシャープな特徴を持つCADモデルとリッチな幾何学的詳細を持つスキャンされたモデルの両方でうまく機能する。
論文 参考訳(メタデータ) (2020-02-24T14:13:29Z)
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。