Fugu-MT 論文翻訳(概要): Self-Supervised Representation Learning for CAD

論文の概要: Self-Supervised Representation Learning for CAD

arxiv url: http://arxiv.org/abs/2210.10807v1
Date: Wed, 19 Oct 2022 18:00:18 GMT
ステータス: 処理完了
システム内更新日: 2022-10-21 15:45:33.373950
Title: Self-Supervised Representation Learning for CAD
Title（参考訳）: CADのための自己教師付き表現学習
Authors: Benjamin T. Jones, Michael Hu, Vladimir G. Kim, Adriana Schulz
Abstract要約: 本研究は,教師付き学習課題にラベルのないCAD幾何を活用することを提案する。我々は、B-Rep幾何学のための新しい、ハイブリッドな暗黙的/明示的な表面表現を学ぶ。
参考スコア（独自算出の注目度）: 19.5326204665895
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The design of man-made objects is dominated by computer aided design (CAD) tools. Assisting design with data-driven machine learning methods is hampered by lack of labeled data in CAD's native format; the parametric boundary representation (B-Rep). Several data sets of mechanical parts in B-Rep format have recently been released for machine learning research. However, large scale databases are largely unlabeled, and labeled datasets are small. Additionally, task specific label sets are rare, and costly to annotate. This work proposes to leverage unlabeled CAD geometry on supervised learning tasks. We learn a novel, hybrid implicit/explicit surface representation for B-Rep geometry, and show that this pre-training significantly improves few-shot learning performance and also achieves state-of-the-art performance on several existing B-Rep benchmarks.
Abstract（参考訳）: 人工物の設計はコンピュータ支援デザイン(CAD)ツールによって支配されている。データ駆動機械学習手法による設計は、CADのネイティブフォーマットであるパラメトリック境界表現(B-Rep)にラベル付きデータがないために妨げられる。 B-Rep形式の機械部品のデータセットが機械学習研究のために最近リリースされた。しかし、大規模なデータベースはほとんどラベルがなく、ラベル付きデータセットは小さい。加えて、タスク固有のラベルセットはまれであり、注釈をつけるのに費用がかかる。本研究は,教師付き学習課題にラベルのないCAD幾何を活用することを提案する。我々は,B-Rep幾何のための新しい暗黙的/明示的曲面表現法を学習し,この事前学習が数発の学習性能を大幅に向上させ,既存のB-Repベンチマークで最先端の性能を達成することを示す。

関連論文リスト

BRep Boundary and Junction Detection for CAD Reverse Engineering [14.662769071664252]
メカニカルシステムの3次元リバースエンジニアリングは, メカニカルシステムにおいて, 極めて重要でありながら, 時間を要するステップである。ディープラーニングに基づくScan-to-CADモデリングは、CADモデルを迅速に修正するための膨大な編集可能性を提供する。 CC3DおよびABCデータセットの3次元スキャンから教師付き境界表現(BRep)検出ネットワークBRepDetNetを提案する。
論文参考訳（メタデータ） (2024-09-21T09:53:11Z)
GenQA: Generating Millions of Instructions from a Handful of Prompts [67.54980063851605]
ほとんどの公開命令微調整データセットは、業界モデルをトレーニングするために使用されるクローズドソースデータセットと比較して比較的小さい。本研究では,1つのプロンプトから大規模命令データセットを生成する手法について検討する。我々のデータセットは、知識集約型リーダーボードタスクと会話評価の両方で、WizardLMとUltrachatの両方に遭遇または超過します。
論文参考訳（メタデータ） (2024-06-14T17:44:08Z)
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)
PairCFR: Enhancing Model Training on Paired Counterfactually Augmented Data through Contrastive Learning [49.60634126342945]
Counterfactually Augmented Data (CAD)は、既存のデータサンプルのラベルを他のクラスに戻すのに、最小限かつ十分な修正を適用することで、新しいデータサンプルを作成する。近年の研究では、CADを用いたトレーニングが、他の重要な文脈情報を無視しながら、モデルが修正機能に過度にフォーカスする可能性があることが示されている。我々は、対実的手がかりの学習に加えて、グローバルな特徴アライメントを促進するために、対照的な学習を採用する。
論文参考訳（メタデータ） (2024-06-09T07:29:55Z)
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)
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)
CADOps-Net: Jointly Learning CAD Operation Types and Steps from Boundary-Representations [17.051792180335354]
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。
論文参考訳（メタデータ） (2022-08-22T19:12:20Z)
Multi-Task Self-Training for Learning General Representations [97.01728635294879]
マルチタスク・セルフトレーニング(MuST)は、独立した専門教師モデルにおける知識を活用して、一人の一般学生モデルを訓練する。 MuSTはラベルなしまたは部分的にラベル付けされたデータセットでスケーラブルで、大規模データセットのトレーニングにおいて、特別な教師付きモデルとセルフ教師付きモデルの両方を上回っている。
論文参考訳（メタデータ） (2021-08-25T17:20:50Z)
Generate, Annotate, and Learn: Generative Models Advance Self-Training and Knowledge Distillation [58.64720318755764]
Semi-Supervised Learning (SSL)は多くのアプリケーションドメインで成功している。知識蒸留(KD)により、深層ネットワークとアンサンブルの圧縮が可能となり、新しいタスク固有の未ラベルの例について知識を蒸留する際に最良の結果が得られる。我々は、非条件生成モデルを用いて、ドメイン内の未ラベルデータを合成する「生成、注釈、学習(GAL)」と呼ばれる一般的なフレームワークを提案する。
論文参考訳（メタデータ） (2021-06-11T05:01:24Z)
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)
UV-Net: Learning from Boundary Representations [17.47054752280569]
本稿では,3次元CADモデルによる境界表現(B-rep)データを直接操作するために設計された新しいニューラルネットワークアーキテクチャと表現であるUV-Netを紹介する。 B-repデータは、データ構造が複雑であり、連続的な非ユークリッド幾何学的エンティティと離散位相的エンティティの両方をサポートするため、現代の機械学習で使用される際、いくつかのユニークな課題を示す。
論文参考訳（メタデータ） (2020-06-18T00:12:52Z)

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。