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
- People Make Better Edits: Measuring the Efficacy of LLM-Generated
Counterfactually Augmented Data for Harmful Language Detection [35.89913036572029]
NLPモデルは、刺激的な特徴に対して堅牢であることは必須である。
過去の作業は、トレーニングデータ拡張を使用して、このような急激な機能に対処しようと試みてきた。
生成NLPモデルを用いて,このタスクが自動化可能かどうかを評価する。
論文 参考訳(メタデータ) (2023-11-02T14:31:25Z) - Sparse Multi-Object Render-and-Compare [33.97243145891282]
一つの画像から静的な物体の3次元形状とポーズを再構築することは、様々な産業にとって重要な課題である。
直接3D形状を予測することで、非現実的で、過度に滑らかになったり、刻まれた形になる。
CADモデルを取得することで、現実的な形状が保証されるが、堅牢で正確なアライメントが必要である。
論文 参考訳(メタデータ) (2023-10-17T12:01:32Z) - 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) - Teacher Guided Training: An Efficient Framework for Knowledge Transfer [86.6784627427194]
高品質なコンパクトモデルを訓練するための教師誘導訓練(TGT)フレームワークを提案する。
TGTは、教師が基礎となるデータドメインの優れた表現を取得したという事実を利用する。
TGTは複数の画像分類ベンチマークやテキスト分類や検索タスクの精度を向上させることができる。
論文 参考訳(メタデータ) (2022-08-14T10:33:58Z) - 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) - Unsupervised Learning of 3D Object Categories from Videos in the Wild [75.09720013151247]
オブジェクトインスタンスの大規模なコレクションの複数のビューからモデルを学ぶことに重点を置いています。
再構成を大幅に改善するワープコンディショニングレイ埋め込み(WCR)と呼ばれる新しいニューラルネットワーク設計を提案する。
本評価は,既存のベンチマークを用いた複数の深部単眼再構成ベースラインに対する性能改善を示す。
論文 参考訳(メタデータ) (2021-03-30T17:57:01Z) - SLADE: A Self-Training Framework For Distance Metric Learning [75.54078592084217]
我々は、追加のラベルのないデータを活用することで、検索性能を向上させるための自己学習フレームワークSLADEを提案する。
まず、ラベル付きデータに基づいて教師モデルをトレーニングし、ラベルなしデータに対して擬似ラベルを生成する。
次に、最終機能埋め込みを生成するために、ラベルと擬似ラベルの両方で学生モデルをトレーニングします。
論文 参考訳(メタデータ) (2020-11-20T08:26:10Z) - 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。
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。