Fugu-MT 論文翻訳(概要): Restructuring TCAD System: Teaching Traditional TCAD New Tricks

論文の概要: Restructuring TCAD System: Teaching Traditional TCAD New Tricks

arxiv url: http://arxiv.org/abs/2204.09578v1
Date: Tue, 19 Apr 2022 15:03:18 GMT
ステータス: 処理完了
システム内更新日: 2022-04-21 15:37:09.665559
Title: Restructuring TCAD System: Teaching Traditional TCAD New Tricks
Title（参考訳）: TCADシステムの再構築:従来のTCADの新しいトリックを教える
Authors: Sanghoon Myung, Wonik Jang, Seonghoon Jin, Jae Myung Choe, Changwook Jeong, and Dae Sin Kim
Abstract要約: 本稿では,従来のTCADシステムを再構築する新しいアルゴリズムを提案する。提案アルゴリズムは,3次元(3次元)TCADシミュレーションを分散を捉えながらリアルタイムに予測する。ディープラーニングとTCADが相互に補完し、収束エラーを完全に解決する。
参考スコア（独自算出の注目度）: 0.23090185577016448
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Traditional TCAD simulation has succeeded in predicting and optimizing the device performance; however, it still faces a massive challenge - a high computational cost. There have been many attempts to replace TCAD with deep learning, but it has not yet been completely replaced. This paper presents a novel algorithm restructuring the traditional TCAD system. The proposed algorithm predicts three-dimensional (3-D) TCAD simulation in real-time while capturing a variance, enables deep learning and TCAD to complement each other, and fully resolves convergence errors.
Abstract（参考訳）: 従来のTCADシミュレーションはデバイスの性能を予測し最適化することに成功しましたが、それでも大きな課題に直面しています。 tcadをディープラーニングに置き換えようとする試みは数多くあったが、まだ完全に置き換えられていない。本稿では,従来のTCADシステムを再構築する新しいアルゴリズムを提案する。提案アルゴリズムは,3次元TCADシミュレーションをリアルタイムに予測し,分散を捕捉し,深層学習とTCADが相互に補完し,収束誤差を完全に解消する。

関連論文リスト

Text2CAD: Text to 3D CAD Generation via Technical Drawings [45.3611544056261]
Text2CADは、生成プロセスを自動化するために調整された安定した拡散モデルを利用する新しいフレームワークである。テキスト2CADは,高品質な3次元CADモデルに正確に変換された技術図面を効果的に生成することを示す。
論文参考訳（メタデータ） (2024-11-09T15:12:06Z)
TransCAD: A Hierarchical Transformer for CAD Sequence Inference from Point Clouds [14.631669857987271]
物理物体の3次元スキャンによりCADモデルを推定する3次元リバースエンジニアリングは、有望な研究方向である。本稿では,ポイントクラウドからCADシーケンスを予測するエンドツーエンドトランスフォーマーアーキテクチャであるTransCADを提案する。
論文参考訳（メタデータ） (2024-07-17T16:24:36Z)
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)
ContrastCAD: Contrastive Learning-based Representation Learning for Computer-Aided Design Models [0.7373617024876725]
本稿では,ContrastCAD という,CAD モデルを学習するための対照的な学習手法を提案する。コントラストCADはCADモデルの構成シーケンス内の意味情報を効果的にキャプチャする。また,RRE法(Random Replace and Extrude)と呼ばれる新しいCADデータ拡張手法を提案し,モデルの学習性能を向上させる。
論文参考訳（メタデータ） (2024-04-02T05:30:39Z)
Point2CAD: Reverse Engineering CAD Models from 3D Point Clouds [26.10631058349939]
本稿では,分割点雲と構造CADモデルのギャップを埋めるハイブリッド解析ニューラルネットワーク再構成手法を提案する。また,自由曲面の暗黙的表現を新たに提案し,CAD再構成方式の性能向上を図る。
論文参考訳（メタデータ） (2023-12-07T08:23:44Z)
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)
AutoCAD: Automatically Generating Counterfactuals for Mitigating Shortcut Learning [70.70393006697383]
完全自動かつタスクに依存しないCAD生成フレームワークであるAutoCADについて述べる。本稿では,完全に自動化されたタスクに依存しないCAD生成フレームワークであるAutoCADを提案する。
論文参考訳（メタデータ） (2022-11-29T13:39:53Z)
HybridSDF: Combining Free Form Shapes and Geometric Primitives for effective Shape Manipulation [58.411259332760935]
深層学習に基づく3次元表面モデリングが新しい形状設計の道を開いた。これらの進歩はCADコミュニティではまだ受け入れられていない。本稿では,幾何学的プリミティブと暗黙曲面で表される自由曲面を効果的に組み合わせて正確なモデリングを行う手法を提案する。
論文参考訳（メタデータ） (2021-09-22T14:45:19Z)
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)
FlowStep3D: Model Unrolling for Self-Supervised Scene Flow Estimation [87.74617110803189]
シーンフローとして知られるシーン内の点の3次元運動を推定することは、コンピュータビジョンにおける中核的な問題である。本稿では,シーンフローの予測を洗練するための反復的アライメント手順の1ステップを学習する再帰的アーキテクチャを提案する。
論文参考訳（メタデータ） (2020-11-19T23:23:48Z)

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。