Fugu-MT 論文翻訳(概要): CADOps-Net: Jointly Learning CAD Operation Types and Steps from Boundary-Representations

論文の概要: CADOps-Net: Jointly Learning CAD Operation Types and Steps from Boundary-Representations

arxiv url: http://arxiv.org/abs/2208.10555v1
Date: Mon, 22 Aug 2022 19:12:20 GMT
ステータス: 処理完了
システム内更新日: 2022-08-24 13:07:19.653962
Title: CADOps-Net: Jointly Learning CAD Operation Types and Steps from Boundary-Representations
Title（参考訳）: CADOps-Net:境界表現からCAD操作タイプとステップを共同学習する
Authors: Elona Dupont, Kseniya Cherenkova, Anis Kacem, Sk Aziz Ali, Ilya Arzhannikov, Gleb Gusev, Djamila Aouada
Abstract要約: 本稿では,CADの動作タイプと異なるCAD動作ステップへの分解を共同で学習する,新しいディープニューラルネットワークCADOps-Netを提案する。既存のデータセットと比較して、CC3D-Opsモデルの複雑さと多様性は、産業目的で使用されるものに近い。
参考スコア（独自算出の注目度）: 17.051792180335354
License: http://creativecommons.org/licenses/by/4.0/
Abstract: 3D reverse engineering is a long sought-after, yet not completely achieved goal in the Computer-Aided Design (CAD) industry. The objective is to recover the construction history of a CAD model. Starting from a Boundary Representation (B-Rep) of a CAD model, this paper proposes a new deep neural network, CADOps-Net, that jointly learns the CAD operation types and the decomposition into different CAD operation steps. This joint learning allows to divide a B-Rep into parts that were created by various types of CAD operations at the same construction step; therefore providing relevant information for further recovery of the design history. Furthermore, we propose the novel CC3D-Ops dataset that includes over $37k$ CAD models annotated with CAD operation type labels and step labels. Compared to existing datasets, the complexity and variety of CC3D-Ops models are closer to those used for industrial purposes. Our experiments, conducted on the proposed CC3D-Ops and the publicly available Fusion360 datasets, demonstrate the competitive performance of CADOps-Net with respect to state-of-the-art, and confirm the importance of the joint learning of CAD operation types and steps.
Abstract（参考訳）: 3dリバースエンジニアリングは、コンピュータ支援設計(cad)業界で完全に達成されたゴールではない。本研究の目的はCADモデルの構築履歴を復元することである。本稿では,CADモデルのバウンダリ表現(B-Rep)から,CAD操作タイプと異なるCAD動作ステップへの分解を共同で学習する,新しいディープニューラルネットワークCADOps-Netを提案する。この共同学習は、B-Repを様々なCAD操作によって同じ構成ステップで作成された部品に分割することができ、設計履歴のさらなる回復のための関連情報を提供する。さらに,CAD操作型ラベルとステップラベルを付加した3,7kドルのCADモデルを含む新しいCC3D-Opsデータセットを提案する。既存のデータセットと比較して、CC3D-Opsモデルの複雑さと多様性は、産業目的で使用されるものに近い。提案したCC3D-OpsとFusion360データセットを用いて実験を行い、CADOps-Netの最先端技術に関する競争性能を実証し、CAD操作タイプとステップの協調学習の重要性を検証した。

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)
CAD-MLLM: Unifying Multimodality-Conditioned CAD Generation With MLLM [39.113795259823476]
マルチモーダル入力に条件付きパラメトリックCADモデルを生成可能な最初のシステムであるCAD-MLLMを導入する。先進的な大規模言語モデル (LLM) を用いて,多様なマルチモーダルデータとCADモデルのベクトル化表現に特徴空間を整合させる。得られたデータセットはOmni-CADと呼ばれ、CADモデル毎にテキスト記述、多視点画像、ポイント、コマンドシーケンスを含む最初のマルチモーダルCADデータセットである。
論文参考訳（メタデータ） (2024-11-07T18:31:08Z)
OpenECAD: An Efficient Visual Language Model for Editable 3D-CAD Design [1.481550828146527]
OpenECADモデル(0.55B, 0.89B, 2.4B, 3.1B)を作成するための事前学習モデルの微調整を行った。 OpenECADモデルは、入力として3Dデザインの画像を処理することができ、高度に構造化された2Dスケッチと3D構築コマンドを生成する。これらの出力は、プロジェクトファイルを生成するために既存のCADツールのAPIで直接使用することができる。
論文参考訳（メタデータ） (2024-06-14T10:47:52Z)
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)
Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
本調査では,コンピュータ支援設計における学習手法の概要について概観する。類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
論文参考訳（メタデータ） (2024-02-27T17:11:35Z)
CAD-SIGNet: CAD Language Inference from Point Clouds using Layer-wise Sketch Instance Guided Attention [13.227571488321358]
CADモデルの設計履歴を復元するために,エンドツーエンドでトレーニング可能な自動回帰アーキテクチャを提案する。我々のモデルは、ポイントクラウドとCAD言語埋め込みの階層的相互注意により視覚言語表現を学習する。 CAD-SIGNetは自己回帰的な性質により、入力ポイントクラウドが与えられたCADモデルのユニークな完全な設計履歴を再構築するだけでなく、複数の可能な設計選択も提供する。
論文参考訳（メタデータ） (2024-02-27T16:53:16Z)
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)
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)
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)

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。