Fugu-MT 論文翻訳(概要): Development of a neural network to recognize standards and features from 3D CAD models

論文の概要: Development of a neural network to recognize standards and features from 3D CAD models

arxiv url: http://arxiv.org/abs/2202.00573v1
Date: Fri, 28 Jan 2022 14:01:35 GMT
ステータス: 処理完了
システム内更新日: 2022-02-02 13:34:21.158741
Title: Development of a neural network to recognize standards and features from 3D CAD models
Title（参考訳）: 3次元CADモデルから標準と特徴を認識するニューラルネットワークの開発
Authors: Alexander Neb and Iyed Briki and Raoul Schoenhof
Abstract要約: ニューラルネットワークは、9つのマシン要素のクラスを認識するように訓練された。アプリケーションプログラミングインタフェース(API)を介してCADシステムの幾何学的情報にアクセスする。
参考スコア（独自算出の注目度）: 68.8204255655161
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Focus of this work is to recognize standards and further features directly from 3D CAD models. For this reason, a neural network was trained to recognize nine classes of machine elements. After the system identified a part as a standard, like a hexagon head screw after the DIN EN ISO 8676, it accesses the geometrical information of the CAD system via the Application Programming Interface (API). In the API, the system searches for necessary information to describe the part appropriately. Based on this information standardized parts can be recognized in detail and supplemented with further information.
Abstract（参考訳）: この研究の焦点は、3dcadモデルから直接標準や機能を認識することである。このため、ニューラルネットワークは9種類の機械要素を認識するように訓練された。 DIN EN ISO 8676以降の六角形ネジのように、ある部分を標準として特定した後、アプリケーションプログラミングインタフェース(API)を介してCADシステムの幾何学的情報にアクセスする。 APIでは,その部分を適切に記述するために必要な情報を検索する。この情報に基づく標準化部品を詳細に認識し、さらに情報を補うことができる。

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)
NeurOCS: Neural NOCS Supervision for Monocular 3D Object Localization [80.3424839706698]
入力として3Dボックスをインスタンスマスクとして使用するNeurOCSを提案する。われわれのアプローチは、実際の運転シーンから直接カテゴリレベルの形状を学習する際の洞察に依存している。我々は、オブジェクト中心の視点からオブジェクト座標をより効果的に学習するための重要な設計選択を行う。
論文参考訳（メタデータ） (2023-05-28T16:18:41Z)
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)
Simplified Learning of CAD Features Leveraging a Deep Residual Autoencoder [3.567248644184455]
コンピュータビジョンでは、EfficientNetのような深い残留ニューラルネットワークが、堅牢性と精度の点で新しい標準を設定している。ディープニューラルネットワークのトレーニングの根底にある重要な問題は、十分な量のトレーニングデータがないことだ。本稿では,3次元CADモデル評価に関連する学習タスクの伝達を目的としたEfficientNetアーキテクチャに基づく残差3次元オートエンコーダを提案する。
論文参考訳（メタデータ） (2022-02-21T10:27:55Z)
A learning-based approach to feature recognition of Engineering shapes [1.2691047660244335]
CADメッシュモデルにおける工学的形状の特徴を認識する機械学習手法を提案する。 Gaussマップの個別バージョンは、機能学習のシグネチャとして使用できる。認識精度は3D畳み込みニューラルネットワーク(CNN)を用いて得られたものと非常によく似ている
論文参考訳（メタデータ） (2021-12-15T08:35:18Z)
Automatic annotation of visual deep neural networks [8.362607080273248]
本稿では,自然言語処理技術に基づく視覚深度ニューラルネットワークの自動アノテーション手法を提案する。コンピュータビジョンに関する3つの国際会議において、72論文の平均適用率は90%に達した。
論文参考訳（メタデータ） (2021-10-08T01:39:03Z)
'CADSketchNet' -- An Annotated Sketch dataset for 3D CAD Model Retrieval with Deep Neural Networks [0.8155575318208631]
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。
論文参考訳（メタデータ） (2021-07-13T16:10:16Z)
DONet: Learning Category-Level 6D Object Pose and Size Estimation from Depth Observation [53.55300278592281]
単一深度画像からカテゴリレベルの6次元オブジェクト・ポースとサイズ推定(COPSE)を提案する。筆者らのフレームワークは,深度チャネルのみの物体のリッチな幾何学的情報に基づいて推論を行う。我々のフレームワークは、ラベル付き現実世界の画像を必要とする最先端のアプローチと競合する。
論文参考訳（メタデータ） (2021-06-27T10:41:50Z)
Shape Prior Deformation for Categorical 6D Object Pose and Size Estimation [62.618227434286]
RGB-D画像から見えないオブジェクトの6Dポーズとサイズを復元する新しい学習手法を提案する。本研究では,事前学習したカテゴリ形状からの変形を明示的にモデル化することにより,3次元オブジェクトモデルを再構築するディープネットワークを提案する。
論文参考訳（メタデータ） (2020-07-16T16:45:05Z)
Fine-Grained 3D Shape Classification with Hierarchical Part-View Attentions [70.0171362989609]
本稿では,FG3D-Netと呼ばれる新しい3次元形状分類手法を提案する。詳細な3次元形状データセットに基づく結果から,本手法が他の最先端手法よりも優れていることが示された。
論文参考訳（メタデータ） (2020-05-26T06:53:19Z)

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。