Fugu-MT 論文翻訳(概要): Discovering Design Concepts for CAD Sketches

論文の概要: Discovering Design Concepts for CAD Sketches

arxiv url: http://arxiv.org/abs/2210.14451v1
Date: Wed, 26 Oct 2022 03:53:33 GMT
ステータス: 処理完了
システム内更新日: 2022-10-27 13:27:49.030858
Title: Discovering Design Concepts for CAD Sketches
Title（参考訳）: CADスケッチのデザイン概念の発見
Authors: Yuezhi Yang, Hao Pan
Abstract要約: 生スケッチによる帰納的帰納的手法によりモジュラーの概念を発見する学習ベースアプローチを提案する。大規模CADスケッチデータセットを用いた設計概念学習を実演し,その設計意図の解釈と自動補完への応用を示す。
参考スコア（独自算出の注目度）: 13.140310747416983
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Sketch design concepts are recurring patterns found in parametric CAD sketches. Though rarely explicitly formalized by the CAD designers, these concepts are implicitly used in design for modularity and regularity. In this paper, we propose a learning based approach that discovers the modular concepts by induction over raw sketches. We propose the dual implicit-explicit representation of concept structures that allows implicit detection and explicit generation, and the separation of structure generation and parameter instantiation for parameterized concept generation, to learn modular concepts by end-to-end training. We demonstrate the design concept learning on a large scale CAD sketch dataset and show its applications for design intent interpretation and auto-completion.
Abstract（参考訳）: スケッチデザインの概念はパラメトリックCADスケッチで繰り返し見られるパターンである。 cad設計者によって明示的に形式化されることは滅多にないが、これらの概念はモジュラリティと規則性の設計において暗黙的に使用される。本稿では,生スケッチ上での帰納化によるモジュラー概念の学習に基づくアプローチを提案する。そこで本研究では,暗黙的検出と明示的な生成を可能にする概念構造の双対的暗黙的探索表現と,パラメータ化概念生成のための構造生成とパラメータインスタンス化の分離を提案する。大規模CADスケッチデータセットを用いた設計概念学習を実演し,その設計意図の解釈と自動補完への応用を示す。

関連論文リスト

Assessing the Variety of a Concept Space Using an Unbiased Estimate of Rao's Quadratic Index [0.0]
「バラエティ」は、デザイナーが探求する概念空間の幅を定量化できるパラメータの1つである。この記事では、エンジニアリングデザインの文献から既存のさまざまなメトリクスについて詳しく、そして批判的に考察する。評価プロセスを支援するための規範的フレームワークとともに,新しい距離に基づく多様性指標を提案する。
論文参考訳（メタデータ） (2024-08-01T16:25:54Z)
Bridging Design Gaps: A Parametric Data Completion Approach With Graph Guided Diffusion Models [9.900586490845694]
本研究では, グラフ注意ネットワークと表層拡散モデルを利用して, 工学設計におけるパラメトリックデータの欠落を解消する生成的計算モデルを提案する。提案手法は従来の手法,例えばMissForest, HotDeck, PPCA, TabCSDI よりも精度と多様性に優れていた。グラフモデルは、設計問題の鍵となるアセンブリグラフから複雑なパラメトリック相互依存性を正確にキャプチャし、インプットするのに役立つ。
論文参考訳（メタデータ） (2024-06-17T16:03:17Z)
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)
Simple Mechanisms for Representing, Indexing and Manipulating Concepts [46.715152257557804]
我々は、概念の具体的な表現やシグネチャを生成するために、そのモーメント統計行列を見ることで概念を学ぶことができると論じる。概念が交差しているとき、概念のシグネチャを使用して、関連する多くの相互交差した概念の共通テーマを見つけることができる。
論文参考訳（メタデータ） (2023-10-18T17:54:29Z)
Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文参考訳（メタデータ） (2022-11-29T17:28:31Z)
Concept Gradient: Concept-based Interpretation Without Linear Assumption [77.96338722483226]
概念活性化ベクトル(Concept Activation Vector, CAV)は、与えられたモデルと概念の潜在表現の間の線形関係を学習することに依存する。我々は、線形概念関数を超えて概念に基づく解釈を拡張する概念グラディエント(CG)を提案した。我々は、CGがおもちゃの例と実世界のデータセットの両方でCAVより優れていることを実証した。
論文参考訳（メタデータ） (2022-08-31T17:06:46Z)
Concept Activation Vectors for Generating User-Defined 3D Shapes [11.325580593182414]
CAD(Computer-Aided Design)における3次元幾何学的深層学習モデルの解釈可能性について検討する。ディープラーニングアーキテクチャを用いて高次元の3次元形状をベクトル化潜在表現に符号化し、任意の概念を記述する。
論文参考訳（メタデータ） (2022-04-29T13:09:18Z)
The Conceptual VAE [7.15767183672057]
本稿では,変分オートエンコーダの枠組みに基づく新しい概念モデルを提案する。このモデルは、概念のβ-VAEモデルにインスパイアされ、密接に関連しています。モデルが概念分類器としてどのように使用できるか、そしてインスタンス毎に少ないラベルから学習するためにどのように適応できるかを示す。
論文参考訳（メタデータ） (2022-03-21T17:27:28Z)
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)
Formalising Concepts as Grounded Abstractions [68.24080871981869]
このレポートは、表現学習が生データから概念を誘導する方法を示しています。このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
論文参考訳（メタデータ） (2021-01-13T15:22:01Z)
Interpretable Visual Reasoning via Induced Symbolic Space [75.95241948390472]
視覚的推論における概念誘導の問題,すなわち,画像に関連付けられた質問応答対から概念とその階層的関係を同定する。我々はまず,オブジェクトレベルの視覚的特徴を持つ視覚的推論タスクを実行するために,オブジェクト指向合成注意モデル(OCCAM)という新しいフレームワークを設計する。そこで我々は,対象の視覚的特徴と質問語の間の注意パターンから手がかりを用いて,対象と関係の概念を誘導する手法を考案した。
論文参考訳（メタデータ） (2020-11-23T18:21:49Z)

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。