論文の概要: DualCSG: Learning Dual CSG Trees for General and Compact CAD Modeling

• arxiv url: http://arxiv.org/abs/2301.11497v1
• Date: Fri, 27 Jan 2023 02:13:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-30 16:40:19.857510
• Title: DualCSG: Learning Dual CSG Trees for General and Compact CAD Modeling
• Title（参考訳）: dualcsg:一般およびコンパクトcadモデリングのためのデュアルcsgツリーの学習
• Authors: Fenggen Yu, Qimin Chen, Maham Tanveer, Ali Mahdavi Amiri, Hao Zhang
• Abstract要約: 両枝と相補枝からなる新しいニューラルネットワークであるDualCSGを提案する。 我々のネットワークは、2次曲面プリミティブのコンパクトな組立により、与えられた3次元CAD形状を再構築するように訓練されている。
• 参考スコア（独自算出の注目度）: 9.525699080723152
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present DualCSG, a novel neural network composed of two dual and complementary branches for unsupervised learning of constructive solid geometry (CSG) representations of 3D CAD shapes. Our network is trained to reconstruct a given 3D CAD shape through a compact assembly of quadric surface primitives via fixed-order CSG operations along two branches. The key difference between our method and all previous neural CSG models is that DualCSG has a dedicated branch, the residual branch, to assemble the potentially complex, complement or residual shape that is to be subtracted from an overall cover shape. The cover shape is modeled by the other branch, the cover branch. Both branches construct a union of primitive intersections, where the only difference is that the residual branch also learns primitive inverses while operating in the complement space. With the shape complements, our network is provably general. We demonstrate both quantitatively and qualitatively that our network produces CSG reconstructions with superior quality, more natural trees, and better quality-compactness tradeoff than all existing alternatives, especially over complex and high-genus CAD shapes.
• Abstract（参考訳）: 本稿では,3次元CAD形状の立体形状(CSG)表現の教師なし学習のための2つの枝と2つの枝からなる新しいニューラルネットワークDualCSGを提案する。 ネットワークは,2つの枝に沿ったCSG操作により,二次曲面プリミティブのコンパクトな組立により,与えられた3次元CAD形状を再構築する訓練を行う。 従来のニューラルcsgモデルとの主な違いは、dualcsgは、全体的なカバー形状から減算される可能性のある複雑、補体、または残差形状を組み立てるための専用分岐、残差分岐を持っていることです。 カバー形状は、他のブランチ、カバーブランチによってモデル化される。 どちらの分岐も原始交叉の和を構成するが、唯一の違いは剰余分岐は補空間で操作しながら原始逆も学習する点である。 形状を補うことで、我々のネットワークは証明可能なほど一般的です。 我々のネットワークはCSG再構成を, より優れた品質, より自然な木, および既存の代替品, 特に複雑なCAD形状よりも優れた品質・品質のトレードオフで生み出すことを示す。

関連論文リスト

• Implicit Neural Compression of Point Clouds [58.45774938982386]
  NeRC$textbf3$は、暗黙の神経表現を利用して、幾何学と属性の両方を扱う新しいポイントクラウド圧縮フレームワークである。 動的点雲の場合、4D-NeRC$textbf3$は最先端のG-PCCやV-PCC標準よりも優れた幾何圧縮を示す。
  論文  参考訳（メタデータ） (2024-12-11T03:22:00Z)
• Learning Versatile 3D Shape Generation with Improved AR Models [91.87115744375052]
  自己回帰(AR)モデルはグリッド空間の関節分布をモデル化することにより2次元画像生成において印象的な結果を得た。 本稿では3次元形状生成のための改良された自己回帰モデル(ImAM)を提案する。
  論文  参考訳（メタデータ） (2023-03-26T12:03:18Z)
• ComplexGen: CAD Reconstruction by B-Rep Chain Complex Generation [28.445041795260906]
  我々は,境界表現(B-Rep)におけるCADモデルの再構成を,異なる順序の幾何学的プリミティブの検出とみなす。 このような包括的構造をモデル化することにより,より完全かつ規則化された再構築を実現することができることを示す。
  論文  参考訳（メタデータ） (2022-05-29T05:30:33Z)
• A Scalable Combinatorial Solver for Elastic Geometrically Consistent 3D Shape Matching [69.14632473279651]
  本稿では,3次元形状間の幾何学的一貫したマッピング空間をグローバルに最適化するスケーラブルなアルゴリズムを提案する。 従来の解法よりも数桁高速なラグランジュ双対問題と結合した新しい原始問題を提案する。
  論文  参考訳（メタデータ） (2022-04-27T09:47:47Z)
• CSG-Stump: A Learning Friendly CSG-Like Representation for Interpretable Shape Parsing [78.48427573572778]
  CSG-Stump Netは、ポイントクラウドから形状を学習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。 CSG-Stumpは表現の点でCSGと等価であることが証明されている。
  論文  参考訳（メタデータ） (2021-08-25T16:08:39Z)
• CAPRI-Net: Learning Compact CAD Shapes with Adaptive Primitive Assembly [17.82598676258891]
  3Dコンピュータ支援設計(CAD)モデルのコンパクトで解釈可能な暗黙表現を学習するためのニューラルネットワークCAPRI-Netを紹介します。 当社のネットワークは、ポイントクラウドまたはボキセルグリッドとして提供できる入力3D形状を取り、四面プリミティブのコンパクトなアセンブリによってそれを再構築します。 本研究では,これまでで最大かつ多種多様なCADデータセットであるShapeNetとABCの学習フレームワークを,再構築品質,形状エッジ,コンパクト性,解釈可能性の観点から評価した。
  論文  参考訳（メタデータ） (2021-04-12T17:21:19Z)
• DSG-Net: Learning Disentangled Structure and Geometry for 3D Shape Generation [98.96086261213578]
  DSG-Netは3次元形状の非交叉構造と幾何学的メッシュ表現を学習するディープニューラルネットワークである。 これは、幾何(構造)を不変に保ちながら構造(幾何学)のような不整合制御を持つ新しい形状生成アプリケーションの範囲をサポートする。 本手法は,制御可能な生成アプリケーションだけでなく,高品質な合成形状を生成できる。
  論文  参考訳（メタデータ） (2020-08-12T17:06:51Z)
• MRGAN: Multi-Rooted 3D Shape Generation with Unsupervised Part Disentanglement [49.05682172235875]
  本稿では, MRGANを提案する。MRGANは, パートベース形状の監視を伴わずに, 対角3次元点雲形状を生成するマルチルート対向ネットワークである。 このネットワークは、点雲を生成する木構造グラフ畳み込み層の複数の枝を融合させ、木根での学習可能な定数入力を行う。
  論文  参考訳（メタデータ） (2020-07-25T14:41:51Z)
• UCSG-Net -- Unsupervised Discovering of Constructive Solid Geometry Tree [6.605824452872053]
  既存の3次元形状復元へのアプローチは、制御され、プロセス中に事前に与えられるCSGプリミティブツリー全体が必要となる。 本モデルでは,操作のパラメータを予測し,その表現を微分可能なインジケータ関数で解析する。 我々のモデルは解釈可能であり、ソフトウェアで使用できることを示す。
  論文  参考訳（メタデータ） (2020-06-16T12:13:37Z)

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。