論文の概要: Reconstructing editable prismatic CAD from rounded voxel models

• arxiv url: http://arxiv.org/abs/2209.01161v1
• Date: Fri, 2 Sep 2022 16:44:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-05 12:08:33.875311
• Title: Reconstructing editable prismatic CAD from rounded voxel models
• Title（参考訳）: 丸めボクセルモデルによる編集可能なプリスマティックCADの再構成
• Authors: Joseph G. Lambourne, Karl D.D. Willis, Pradeep Kumar Jayaraman, Longfei Zhang, Aditya Sanghi, Kamal Rahimi Malekshan
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 16.03976415868563
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Reverse Engineering a CAD shape from other representations is an important geometric processing step for many downstream applications. In this work, we introduce a novel neural network architecture to solve this challenging task and approximate a smoothed signed distance function with an editable, constrained, prismatic CAD model. During training, our method reconstructs the input geometry in the voxel space by decomposing the shape into a series of 2D profile images and 1D envelope functions. These can then be recombined in a differentiable way allowing a geometric loss function to be defined. During inference, we obtain the CAD data by first searching a database of 2D constrained sketches to find curves which approximate the profile images, then extrude them and use Boolean operations to build the final CAD model. Our method approximates the target shape more closely than other methods and outputs highly editable constrained parametric sketches which are compatible with existing CAD software.
• Abstract（参考訳）: 逆エンジニアリング 他の表現からのCAD形状は、多くの下流アプリケーションにとって重要な幾何学的処理ステップである。 本研究では,この課題を解決するニューラルネットワークアーキテクチャを導入し,スムーズな符号付き距離関数を編集可能,制約付き,プリズマティックCADモデルで近似する。 トレーニング中,本手法は形状を2次元プロファイル画像と1次元エンベロープ関数に分解することで,ボクセル空間の入力幾何を再構成する。 これらを微分可能な方法で再結合することで、幾何損失関数を定義することができる。 推定中、まず2次元制約付きスケッチのデータベースを検索して、プロファイル画像に近似する曲線を探し、それを押出し、ブール演算を用いて最終的なcadモデルを構築してcadデータを得る。 本手法は他の手法よりもターゲット形状を近似し,既存のCADソフトウェアと互換性のある高度に編集可能な制約付きパラメトリックスケッチを出力する。

関連論文リスト

• 3D Neural Edge Reconstruction [61.10201396044153]
  本研究では,線と曲線に焦点をあてて3次元エッジ表現を学習する新しい手法であるEMAPを紹介する。 多視点エッジマップから無符号距離関数(UDF)の3次元エッジ距離と方向を暗黙的に符号化する。 この神経表現の上に、推定されたエッジ点とその方向から3次元エッジを頑健に抽象化するエッジ抽出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T17:23:51Z)
• 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)
• ParaPoint: Learning Global Free-Boundary Surface Parameterization of 3D Point Clouds [52.03819676074455]
  ParaPointは、グローバルな自由境界面パラメータ化を実現するための教師なしのニューラルネットワークパイプラインである。 この研究は、グローバルマッピングと自由境界の両方を追求するニューラルポイントクラウドパラメータ化を調査する最初の試みである。
  論文  参考訳（メタデータ） (2024-03-15T14:35:05Z)
• 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)
• ExtrudeNet: Unsupervised Inverse Sketch-and-Extrude for Shape Parsing [46.778258706603005]
  本稿では,逆スケッチ・アンド・エクスクルードによる点雲形状の学習問題について検討する。 本稿では,ポイントクラウドからスケッチを発見して抽出する,教師なしのエンドツーエンドネットワークであるExtrudeNetを提案する。
  論文  参考訳（メタデータ） (2022-09-30T17:58:11Z)
• Point2Cyl: Reverse Engineering 3D Objects from Point Clouds to Extrusion Cylinders [25.389088434370066]
  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。
  論文  参考訳（メタデータ） (2021-12-17T05:22:28Z)
• 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)
• SketchGraphs: A Large-Scale Dataset for Modeling Relational Geometry in Computer-Aided Design [18.041056084458567]
  CAD(Parametric Computer-Aided Design)は、物理設計における機械工学の主要なパラダイムである。 SketchGraphsは、実世界のCADモデルから抽出された1500万のスケッチと、オープンソースのデータ処理パイプラインを組み合わせたコレクションである。
  論文  参考訳（メタデータ） (2020-07-16T17:56:25Z)
• 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)

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。