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
- 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) - 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) - 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) - 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) - 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) - 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) - Mask2CAD: 3D Shape Prediction by Learning to Segment and Retrieve [54.054575408582565]
本稿では,既存の3次元モデルの大規模データセットを活用し,画像中の物体の3次元構造を理解することを提案する。
本稿では,実世界の画像と検出対象を共同で検出するMask2CADについて,最も類似したCADモデルとそのポーズを最適化する。
これにより、画像内のオブジェクトのクリーンで軽量な表現が生成される。
論文 参考訳(メタデータ) (2020-07-26T00:08:37Z)
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。