論文の概要: D$^2$CSG: Unsupervised Learning of Compact CSG Trees with Dual
Complements and Dropouts
- arxiv url: http://arxiv.org/abs/2301.11497v2
- Date: Thu, 1 Jun 2023 17:32:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-03 00:43:07.402142
- Title: D$^2$CSG: Unsupervised Learning of Compact CSG Trees with Dual
Complements and Dropouts
- Title(参考訳): D$^2$CSG: 2次補足とドロップアウトを持つ小型CSG木の教師なし学習
- Authors: Fenggen Yu, Qimin Chen, Maham Tanveer, Ali Mahdavi Amiri, Hao Zhang
- Abstract要約: D$2$CSGは2つの二重および相補的なネットワーク分岐からなるニューラルモデルであり、ドロップアウトを持つ。
ネットワークは2次プリミティブの固定階組立により3次元形状を再構築するように訓練されている。
D$2$CSGは、既存の代替品よりも優れた品質とより自然なプリミティブを持つコンパクトなCSG再構成を実現する。
- 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 D$^2$CSG, a neural model composed of two dual and complementary
network branches, with dropouts, for unsupervised learning of compact
constructive solid geometry (CSG) representations of 3D CAD shapes. Our network
is trained to reconstruct a 3D shape by a fixed-order assembly of quadric
primitives, with both branches producing a union of primitive intersections or
inverses. A key difference between D$^2$CSG and all prior neural CSG models is
its dedicated residual branch to assemble the potentially complex shape
complement, which is subtracted from an overall shape modeled by the cover
branch. With the shape complements, our network is provably general, while the
weight dropout further improves compactness of the CSG tree by removing
redundant primitives. We demonstrate both quantitatively and qualitatively that
D$^2$CSG produces compact CSG reconstructions with superior quality and more
natural primitives than all existing alternatives, especially over complex and
high-genus CAD shapes.
- Abstract(参考訳): 3次元cad形状のコンパクトな構成的立体幾何学(csg)表現の教師なし学習のために,2つのネットワーク分岐とドロップアウトからなるニューラルモデルであるd$^2$csgを提案する。
ネットワークは2次プリミティブの固定階組立により3次元形状を再構築し、両枝が原始交叉や逆の結合を生成する。
D$^2$CSGと以前の全てのニューラルCSGモデルの主な違いは、カバーブランチによってモデル化された全体形状から引かれる、潜在的に複雑な形状補体を組み立てる専用の残留枝である。
形状補間により,本ネットワークは確実に一般化され,余剰プリミティブを除去することによりCSGツリーのコンパクト性はさらに向上する。
我々は、D$^2$CSGが既存のすべての代替品、特に複雑なCAD形状よりも優れた品質とより自然なプリミティブを持つコンパクトCSG再構成を生成することを定量的かつ定性的に示す。
関連論文リスト
- GeoGS3D: Single-view 3D Reconstruction via Geometric-aware Diffusion Model and Gaussian Splatting [81.03553265684184]
単視点画像から詳細な3Dオブジェクトを再構成するフレームワークであるGeoGS3Dを紹介する。
本稿では,GDS(Gaussian Divergence Significance)という新しい指標を提案する。
実験により、GeoGS3Dはビュー間で高い一貫性を持つ画像を生成し、高品質な3Dオブジェクトを再構成することを示した。
論文 参考訳(メタデータ) (2024-03-15T12:24:36Z) - 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。