論文の概要: ExtrudeNet: Unsupervised Inverse Sketch-and-Extrude for Shape Parsing
- arxiv url: http://arxiv.org/abs/2209.15632v1
- Date: Fri, 30 Sep 2022 17:58:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-03 16:36:08.707627
- Title: ExtrudeNet: Unsupervised Inverse Sketch-and-Extrude for Shape Parsing
- Title(参考訳): extrudenet: 形状解析のための教師なし逆スケッチと拡張
- Authors: Daxuan Ren, Jianmin Zheng, Jianfei Cai, Jiatong Li, and Junzhe Zhang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 46.778258706603005
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sketch-and-extrude is a common and intuitive modeling process in computer
aided design. This paper studies the problem of learning the shape given in the
form of point clouds by inverse sketch-and-extrude. We present ExtrudeNet, an
unsupervised end-to-end network for discovering sketch and extrude from point
clouds. Behind ExtrudeNet are two new technical components: 1) an effective
representation for sketch and extrude, which can model extrusion with freeform
sketches and conventional cylinder and box primitives as well; and 2) a
numerical method for computing the signed distance field which is used in the
network learning. This is the first attempt that uses machine learning to
reverse engineer the sketch-and-extrude modeling process of a shape in an
unsupervised fashion. ExtrudeNet not only outputs a compact, editable and
interpretable representation of the shape that can be seamlessly integrated
into modern CAD software, but also aligns with the standard CAD modeling
process facilitating various editing applications, which distinguishes our work
from existing shape parsing research. Code is released at
https://github.com/kimren227/ExtrudeNet.
- Abstract(参考訳): Sketch-and-extrudeはコンピュータ支援設計における一般的な直感的なモデリングプロセスである。
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。
ポイントクラウドからスケッチやエクストルードを発見するための,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。
ExtrudeNetの背後には2つの新しい技術コンポーネントがある。
1)フリーフォームスケッチや従来のシリンダ,箱プリミティブを用いた押出成形をモデル化可能なスケッチ及び押出成形の効果的な表現
2)ネットワーク学習に使用される符号付き距離場を計算する数値解法。
これは、機械学習を使用して、教師なしの方法で形状のスケッチ・アンド・エクスプロートモデリングプロセスをリバースエンジニアリングする最初の試みである。
ExtrudeNetは、現代CADソフトウェアにシームレスに統合できる形状のコンパクトで編集可能で解釈可能な表現を出力するだけでなく、様々な編集アプリケーションを容易にする標準的なCADモデリングプロセスと整合し、既存の形状解析研究と区別する。
コードはhttps://github.com/kimren227/extrudenetでリリースされる。
関連論文リスト
- Freehand Sketch Generation from Mechanical Components [16.761960706420066]
MSFormerは、機械部品用に調整されたヒューマノイドフリーハンドスケッチを初めて製作した。
第1段階では、機械部品からマルチビューの輪郭スケッチを得るためにOpen CASCADE技術を採用している。
第2段階では、輪郭スケッチをトランスフォーマーベースのジェネレータによるフリーハンドスケッチに変換する。
論文 参考訳(メタデータ) (2024-08-12T07:44:19Z) - Doodle Your 3D: From Abstract Freehand Sketches to Precise 3D Shapes [118.406721663244]
本稿では,抽象モデリングとクロスモーダル対応を容易にする,新しい部分レベルモデリング・アライメントフレームワークを提案する。
提案手法は,CLIPassoエッジマップと投影された3次元部分領域との対応性を確立することで,スケッチモデリングにシームレスに拡張する。
論文 参考訳(メタデータ) (2023-12-07T05:04:33Z) - SENS: Part-Aware Sketch-based Implicit Neural Shape Modeling [124.3266213819203]
SENSは手描きスケッチから3Dモデルを生成し編集するための新しい手法である。
SENSはスケッチを分析し、部品をViTパッチエンコーディングにエンコードする。
SENSは部分再構成による精細化をサポートし、微調整とアーティファクトの除去を可能にする。
論文 参考訳(メタデータ) (2023-06-09T17:50:53Z) - 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) - Reconstructing editable prismatic CAD from rounded voxel models [16.03976415868563]
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。
論文 参考訳(メタデータ) (2022-09-02T16:44:10Z) - Sketch2PQ: Freeform Planar Quadrilateral Mesh Design via a Single Sketch [36.10997511325458]
フリーフォーム屋根形状の概念設計とデジタルモデリングを橋渡しする新しいスケッチベースシステムを提案する。
本システムでは, 表面境界線と輪郭線を軸方向投影でスケッチすることができる。
本研究では,高密度共役方向場とともに,表面形状をリアルタイムに推定するディープニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2022-01-23T21:09:59Z) - Vitruvion: A Generative Model of Parametric CAD Sketches [22.65229769427499]
本稿では,パラメトリックCADスケッチの生成モデルを提案する。
我々のモデルは、SketchGraphsデータセットから実世界のデザインを訓練し、スケッチをプリミティブのシーケンスとして自動回帰的に合成する。
我々は、部分スケッチ(プライマー)や手描きスケッチのイメージなど、様々な文脈でモデルを条件付けする。
論文 参考訳(メタデータ) (2021-09-29T01:02:30Z) - 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) - Sketch2Mesh: Reconstructing and Editing 3D Shapes from Sketches [65.96417928860039]
スケッチのメッシュ変換にはエンコーダ/デコーダアーキテクチャを使用する。
このアプローチはデプロイが容易で、スタイル変更に堅牢であり、効果的であることを示します。
論文 参考訳(メタデータ) (2021-04-01T14:10:59Z) - Deep Plastic Surgery: Robust and Controllable Image Editing with
Human-Drawn Sketches [133.01690754567252]
スケッチベースの画像編集は、人間の描いたスケッチによって提供される構造情報に基づいて、写真を合成し、修正することを目的としている。
Deep Plastic Surgeryは、手書きのスケッチ入力を使って画像のインタラクティブな編集を可能にする、新しくて堅牢で制御可能な画像編集フレームワークである。
論文 参考訳(メタデータ) (2020-01-09T08:57:50Z)
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。