論文の概要: Automating Rigid Origami Design

• arxiv url: http://arxiv.org/abs/2211.13219v1
• Date: Sun, 20 Nov 2022 17:13:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-24 13:38:53.754713
• Title: Automating Rigid Origami Design
• Title（参考訳）: リジッド折り紙設計の自動化
• Authors: Jeremia Geiger, Karolis Martinkus, Oliver Richter and Roger Wattenhofer
• Abstract要約: 離散最適化問題として厳密な折り紙設計を定式化するための3つの単位法の原理を最近開発した。 本実装では, 多様な目的を簡易に定義し, 剛性オリガミの可能性を, 最適化されたアプリケーション固有のクレーゼパターンに拡張する。
• 参考スコア（独自算出の注目度）: 10.896567381206715
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While rigid origami has shown potential in a large diversity of engineering applications, current rigid origami crease pattern designs mostly rely on known tessellations. This leaves a potential gap in performance as the space of rigidly foldable crease patterns is far larger than these tessellations would suggest. In this work, we build upon the recently developed principle of three units method to formulate rigid origami design as a discrete optimization problem. Our implementation allows for a simple definition of diverse objectives and thereby expands the potential of rigid origami further to optimized, application-specific crease patterns. We benchmark a diverse set of search methods in several shape approximation tasks to validate our model and showcase the flexibility of our formulation through four illustrative case studies. Results show that using our proposed problem formulation one can successfully approximate a variety of target shapes. Moreover, by specifying custom reward functions, we can find patterns, which result in novel, foldable designs for everyday objects.
• Abstract（参考訳）: 剛性折り紙は多種多様な工学的応用の可能性を秘めているが、現在の剛性折り紙クレーゼパターンの設計は既知のテッセル化に依存している。 これは、剛体折り畳み可能な折り目パターンの空間がこれらのテッセレーションが示唆するよりもはるかに大きいため、パフォーマンスの潜在的なギャップを残している。 本研究では, 離散最適化問題として剛性折り紙設計を定式化するための3単位法の原理を最近開発した。 本実装では, 多様な目的を簡易に定義し, 剛性オリガミの可能性を, 最適化されたアプリケーション固有のクレーゼパターンに拡張する。 モデルの有効性を検証し,4つの図式ケーススタディによる定式化の柔軟性を示すために,様々な形状近似タスクで多様な探索手法をベンチマークする。 その結果,提案する問題定式化により,様々な対象形状を近似できることがわかった。 さらに、カスタムの報酬関数を指定することで、日々のオブジェクトに新しい折りたたみ可能なデザインをもたらすパターンを見つけることができる。

関連論文リスト

• LLM2FEA: Discover Novel Designs with Generative Evolutionary Multitasking [21.237950330178354]
  本稿では,複数の領域にまたがる知識を伝達することで,生成モデルにおける新しい設計を初めて発見する試みを提案する。 多要素進化アルゴリズム(MFEA)を用いて大きな言語モデルを駆動し、LLM2FEAは様々な分野からの知識を統合し、新規で実用的なオブジェクトを発見する際に生成モデルを導くプロンプトを生成する。
  論文  参考訳（メタデータ） (2024-06-21T07:20:51Z)
• Automatic Layout Planning for Visually-Rich Documents with Instruction-Following Models [81.6240188672294]
  グラフィックデザインでは、プロでないユーザは、限られたスキルとリソースのために視覚的に魅力的なレイアウトを作成するのに苦労することが多い。 レイアウト計画のための新しいマルチモーダル・インストラクション・フォロー・フレームワークを導入し、視覚的要素をカスタマイズしたレイアウトに簡単に配置できるようにする。 本手法は,非専門職の設計プロセスを単純化するだけでなく,数ショット GPT-4V モデルの性能を上回り,mIoU は Crello で 12% 向上する。
  論文  参考訳（メタデータ） (2024-04-23T17:58:33Z)
• Folding Custom Gates with Verifier Input [0.0]
  ここでは、Nova の折りたたみがいかにカスタムゲートや余分な検証器ランダムネスに一般化できるかを示す。 ここでは、初めて(私たちの知る限り)見直しの折り畳みスキームの例である折り紙を紹介する。
  論文  参考訳（メタデータ） (2024-01-21T01:31:23Z)
• Progressive Text-to-3D Generation for Automatic 3D Prototyping [83.33407603057618]
  本稿では,MTN(Multi-Scale Triplane Network)と新たなプログレッシブラーニング戦略を提案する。 本実験では,提案手法が既存手法に対して良好に動作することを確認した。 自然言語記述による自動3Dプロトタイピングの道を開くことを目指しています。
  論文  参考訳（メタデータ） (2023-09-26T01:08:35Z)
• MaMMUT: A Simple Architecture for Joint Learning for MultiModal Tasks [59.09343552273045]
  本稿では,これらの異なる視覚言語タスクの協調学習に驚くほど有効であるマルチモーダルタスクのためのデコーダのみのモデルを提案する。 これらの多様な目的の合同学習は単純で効果的であり、これらのタスク間でのモデルの重量共有を最大化することを示した。 我々のモデルは,画像テキストとテキスト画像検索,ビデオ質問応答,オープン語彙検出タスクにおける技術の現状を達成し,より大きく,より広範囲に訓練された基礎モデルよりも優れている。
  論文  参考訳（メタデータ） (2023-03-29T16:42:30Z)
• SDFusion: Multimodal 3D Shape Completion, Reconstruction, and Generation [89.47132156950194]
  本稿では,アマチュアユーザのための3Dアセット生成を簡易化する新しいフレームワークを提案する。 提案手法は,人間によって容易に提供可能な様々な入力モダリティをサポートする。 私たちのモデルは、これらのタスクをひとつのSwiss-army-knifeツールにまとめることができます。
  論文  参考訳（メタデータ） (2022-12-08T18:59:05Z)
• Multi-Concept Customization of Text-to-Image Diffusion [51.8642043743222]
  既存のテキスト・ツー・イメージ・モデルの効率的な拡張法であるCustom Diffusionを提案する。 テキスト・ツー・イメージ・コンディショニング機構におけるパラメータの最適化は,新しい概念を表現するのに十分強力であることがわかった。 本モデルは,複数の新しい概念のバリエーションを生成し,既存の概念を新しい設定でシームレスに構成する。
  論文  参考訳（メタデータ） (2022-12-08T18:57:02Z)
• Harnessing Interpretable Machine Learning for Origami Feature Design and Pattern Selection [6.725348756525192]
  本研究は, 決定木機械学習手法が, 折り紙の逆設計に特に適していることを示す。 提案フレームワークは, メタマテリアル, 展開可能な構造, ソフトロボット, バイオメディカルデバイスなど, 様々な用途に有効な折り紙システムを設計するための総合的な手法を示す。
  論文  参考訳（メタデータ） (2022-04-12T12:27:05Z)
• Self-Augmented Multi-Modal Feature Embedding [8.5941401672901]
  本稿では,自己拡張とマルチモーダル機能埋め込みの併用を提案する。 異なるモダリティの相補的な情報を活用するために、自己拡張型マルチモーダル機能埋め込みは共有特徴空間を用いる。
  論文  参考訳（メタデータ） (2021-03-08T13:10:52Z)
• Learning abstract structure for drawing by efficient motor program induction [52.13961975752941]
  我々は、人間が構造化された事前知識を迅速に取得する方法を研究するために、自然主義的な描画タスクを開発する。 一般化を支援する抽象的な描画手順を自然に学習していることが示される。 本稿では,これらの再利用可能な描画プログラムを学習者がどのように発見できるかのモデルを提案する。
  論文  参考訳（メタデータ） (2020-08-08T13:31:14Z)
• Learning Dense Visual Correspondences in Simulation to Smooth and Fold Real Fabrics [35.84249614544505]
  我々は、異なる構成の変形可能な織物の視覚的対応をシミュレーションで学習する。 学習した対応は、新しいファブリック構成で幾何学的に等価な動作を計算するのに使うことができる。 また、さまざまな色、大きさ、形状の織物についても、その結果が示唆されている。
  論文  参考訳（メタデータ） (2020-03-28T04:06:20Z)

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。