論文の概要: Optimizing CAD Models with Latent Space Manipulation
- arxiv url: http://arxiv.org/abs/2303.12739v1
- Date: Thu, 9 Mar 2023 08:25:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-25 02:49:15.013951
- Title: Optimizing CAD Models with Latent Space Manipulation
- Title（参考訳）: 潜時空間操作によるCADモデルの最適化
- Authors: Jannes Elstner and Raoul G. C. Sch\"onhof and Steffen Tauber and Marco
F Huber
- Abstract要約: 本稿では,StyleCLIPを拡張し,CADモデルをボクセルモデルとして動作させる。
各種CADモデルの把持性を最適化し,自動化関連特徴を最適化するためのシステムの有効性を実証する。
- 参考スコア（独自算出の注目度）: 4.180840853105103
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: When it comes to the optimization of CAD models in the automation domain,
neural networks currently play only a minor role. Optimizing abstract features
such as automation capability is challenging, since they can be very difficult
to simulate, are too complex for rule-based systems, and also have little to no
data available for machine-learning methods. On the other hand, image
manipulation methods that can manipulate abstract features in images such as
StyleCLIP have seen much success. They rely on the latent space of pretrained
generative adversarial networks, and could therefore also make use of the vast
amount of unlabeled CAD data. In this paper, we show that such an approach is
also suitable for optimizing abstract automation-related features of CAD parts.
We achieved this by extending StyleCLIP to work with CAD models in the form of
voxel models, which includes using a 3D StyleGAN and a custom classifier.
Finally, we demonstrate the ability of our system for the optimiziation of
automation-related features by optimizing the grabability of various CAD
models. This is an open access article under the CC BY-NC-ND license
(http://creativecommons.org/licenses/by-nc-nd/4.0/) Peer review under the
responsibility of the scientific committee of the 33rd CIRP Design Conference.
- Abstract（参考訳）: 自動化ドメインにおけるCADモデルの最適化に関して、ニューラルネットワークは現在、マイナーな役割のみを担っている。
自動化機能のような抽象的な機能の最適化は、シミュレートが非常に難しいため、ルールベースのシステムでは複雑すぎるし、機械学習の手法で利用可能なデータもほとんどないし全くない。
一方、styleclipのような画像の抽象的な特徴を操作できる画像操作手法は、大きな成功を収めている。
それらは事前訓練された生成的敵ネットワークの潜伏空間に依存しており、従って大量のラベルのないCADデータを利用することもできる。
本稿では,CAD部品の抽象的自動化関連特徴の最適化にも適していることを示す。
そこで我々は,StyleCLIPをCADモデルに拡張して,3D StyleGANとカスタム分類器を含むボクセルモデルに拡張した。
最後に,様々なcadモデルの把持性を最適化することにより,自動化関連の機能を最適化する能力を示す。
CC BY-NC-NDライセンス(http://creativecommons.org/licenses/by-nc-nd/4.0/)の第33回CIRPデザイン会議の科学委員会によるピアレビュー。
関連論文リスト
- Computer Vision Model Compression Techniques for Embedded Systems: A Survey [75.38606213726906]
本稿では,コンピュータビジョンタスクに適用される主モデル圧縮技術について述べる。
本稿では,圧縮サブ領域の特性について述べるとともに,異なるアプローチを比較し,最適な手法を選択する方法について論じる。
初期の実装課題を克服する上で、研究者や新しい実践者を支援するためのコードも共有しています。
論文 参考訳（メタデータ） (2024-08-15T16:41:55Z) - Self-supervised Graph Neural Network for Mechanical CAD Retrieval [29.321027284348272]
GC-CADは、機械的CAD検索のための、自己教師付きコントラストグラフニューラルネットワークに基づく手法である。
提案手法は, 精度を向上し, ベースライン法よりも100倍の効率向上を実現している。
論文 参考訳（メタデータ） (2024-06-13T06:56:49Z) - Cross-Modal Self-Training: Aligning Images and Pointclouds to Learn Classification without Labels [69.55622471172941]
CLIPのような大規模ビジョン2D視覚言語モデルは、一般化可能な(オープン語彙)3D視覚モデルを学ぶために3Dエンコーダと整列することができる。
ゼロショット3Dビジョンモデルのラベルなし分類性能を改善するために、クロスモーダル自己訓練(Cross-MoST: Cross-Modal Self-Training)を提案する。
論文 参考訳（メタデータ） (2024-04-15T21:30:50Z) - Pushing Auto-regressive Models for 3D Shape Generation at Capacity and Scalability [118.26563926533517]
自己回帰モデルでは,格子空間における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顕著な結果が得られた。
自動回帰モデルを3次元領域に拡張し,キャパシティとスケーラビリティを同時に向上することにより,3次元形状生成の強力な能力を求める。
論文 参考訳（メタデータ） (2024-02-19T15:33:09Z) - Point2CAD: Reverse Engineering CAD Models from 3D Point Clouds [26.10631058349939]
本稿では,分割点雲と構造CADモデルのギャップを埋めるハイブリッド解析ニューラルネットワーク再構成手法を提案する。
また,自由曲面の暗黙的表現を新たに提案し,CAD再構成方式の性能向上を図る。
論文 参考訳（メタデータ） (2023-12-07T08:23:44Z) - 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) - 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) - How Does Counterfactually Augmented Data Impact Models for Social
Computing Constructs? [35.29235215101502]
本研究では、感情、性差別、ヘイトスピーチという3つのソーシャル・コンピューティング構造に着目し、社会的NLPモデルに対する反実的強化データ(CAD)の利点について検討する。
CADでトレーニングしたモデルではドメイン内性能が低下するが、ドメイン外性能は向上する。
論文 参考訳（メタデータ） (2021-09-14T23:46:39Z) - AutoFIS: Automatic Feature Interaction Selection in Factorization Models
for Click-Through Rate Prediction [75.16836697734995]
自動特徴相互作用選択(AutoFIS)と呼ばれる2段階のアルゴリズムを提案する。
AutoFISは、目標モデルを収束させるためにトレーニングするのと同等の計算コストで、因子化モデルに対する重要な特徴的相互作用を自動的に識別することができる。
AutoFISはHuawei App Storeレコメンデーションサービスのトレーニングプラットフォームにデプロイされている。
論文 参考訳（メタデータ） (2020-03-25T06:53:54Z)
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。