論文の概要: ShipHullGAN: A generic parametric modeller for ship hull design using
deep convolutional generative model
- arxiv url: http://arxiv.org/abs/2305.00210v1
- Date: Sat, 29 Apr 2023 09:31:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-02 16:30:29.448835
- Title: ShipHullGAN: A generic parametric modeller for ship hull design using
deep convolutional generative model
- Title（参考訳）: ShipHullGAN:Deep Convolutional Generative Modelを用いた船体設計のための汎用パラメトリックモデル
- Authors: Shahroz Khan, Kosa Goucher-Lambert, Konstantinos Kostas, Panagiotis
Kaklis
- Abstract要約: 深層畳み込み生成逆数ネットワーク(GAN)を用いて構築された汎用パラメトリック・モデラーであるShipHullGANを紹介する。
高いレベルでは、新しいモデルはパラメトリック船の設計パラダイムにおける現在の保守性に対処することを目的としている。
ShipHullGANを52,591個のテキストで検証した大規模なデータセットで訓練した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this work, we introduce ShipHullGAN, a generic parametric modeller built
using deep convolutional generative adversarial networks (GANs) for the
versatile representation and generation of ship hulls. At a high level, the new
model intends to address the current conservatism in the parametric ship design
paradigm, where parametric modellers can only handle a particular ship type. We
trained ShipHullGAN on a large dataset of 52,591 \textit{physically validated}
designs from a wide range of existing ship types, including container ships,
tankers, bulk carriers, tugboats, and crew supply vessels. We developed a new
shape extraction and representation strategy to convert all training designs
into a common geometric representation of the same resolution, as typically
GANs can only accept vectors of fixed dimension as input. A space-filling layer
is placed right after the generator component to ensure that the trained
generator can cover all design classes. During training, designs are provided
in the form of a shape-signature tensor (SST) which harnesses the compact
geometric representation using geometric moments that further enable the
inexpensive incorporation of physics-informed elements in ship design. We have
shown through extensive comparative studies and optimisation cases that
ShipHullGAN can generate designs with augmented features resulting in versatile
design spaces that produce traditional and novel designs with geometrically
valid and practically feasible shapes.
- Abstract（参考訳）: 本稿では,船殻の汎用表現と生成のために,深部畳み込み生成逆数ネットワーク(GAN)を用いて構築された汎用パラメトリック・モデルラーであるShipHullGANを紹介する。
高いレベルでは、新しいモデルはパラメトリックな船の設計パラダイムにおける現在の保守性に対処することを目的としており、パラメトリックなモデラーは特定の船種しか扱えない。
shiphullganを52,591 \textit{physically validated}の設計で訓練し、コンテナ船、タンカー、ばら積み貨物船、タグボート、乗組員の補給船など、さまざまな船種から設計した。
我々は、全てのトレーニングデザインを同じ解像度の共通幾何学的表現に変換するための新しい形状抽出と表現戦略を開発した。
スペース充填層はジェネレータコンポーネントの直後に置かれ、トレーニングされたジェネレータがすべての設計クラスをカバーできることを保証する。
トレーニング中の設計は、幾何学的モーメントを用いてコンパクトな幾何学的表現を利用する形状変化テンソル(SST)の形で提供される。
我々は,ShipHullGANが拡張された特徴を持つデザインを生成できるという広範な研究と最適化事例を通じて,幾何学的に有効かつ実用的な形状の伝統的かつ斬新なデザインを創出する多目的デザイン空間を提示した。
関連論文リスト
- Physics-Informed Geometric Operators to Support Surrogate, Dimension Reduction and Generative Models for Engineering Design [38.00713966087315]
本研究では,代用/分別モデルのトレーニングに供される幾何データを強化するための物理インフォームド幾何演算子(GO)のセットを提案する。
GOは形状の微分的および積分的性質を利用して、高レベルの固有幾何学的情報と物理を訓練に使用する特徴ベクトルに注入する。
論文 参考訳（メタデータ） (2024-07-10T12:50:43Z) - C-ShipGen: A Conditional Guided Diffusion Model for Parametric Ship Hull Design [3.796768352477804]
船の設計プロセスの改善は、顧客に対して高品質な設計を提供しながら、大幅なコスト削減につながる可能性がある。
船体設計のための新しい技術は拡散モデル(英語版)である。
本稿では,特定の制約を課した船体設計を生成する条件拡散モデルを提案する。
論文 参考訳（メタデータ） (2024-05-10T01:10:49Z) - Re-Dock: Towards Flexible and Realistic Molecular Docking with Diffusion
Bridge [69.80471117520719]
Re-Dockは、幾何学多様体に拡張された新しい拡散橋生成モデルである。
我々はNewton-Euler方程式にインスパイアされたエネルギー-幾何学マッピングを提案し、結合エネルギーとコンフォーメーションを共モデリングする。
アポドックやクロスドックといった設計済みのベンチマークデータセットの実験は、現在の手法よりもモデルの有効性と効率性が優れていることを示している。
論文 参考訳（メタデータ） (2024-02-18T05:04:50Z) - Compositional Generative Inverse Design [69.22782875567547]
入力変数を設計して目的関数を最適化する逆設計は重要な問題である。
拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。
N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
論文 参考訳（メタデータ） (2024-01-24T01:33:39Z) - Surf-D: Generating High-Quality Surfaces of Arbitrary Topologies Using Diffusion Models [83.35835521670955]
Surf-Dは任意の位相を持つ表面として高品質な3次元形状を生成する新しい方法である。
非符号距離場(UDF)を曲面表現として用いて任意の位相を許容する。
また、ポイントベースのAutoEncoderを用いて、UDFを正確に符号化するためのコンパクトで連続的な潜在空間を学習する新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2023-11-28T18:56:01Z) - ShipGen: A Diffusion Model for Parametric Ship Hull Generation with
Multiple Objectives and Constraints [4.485378844492069]
本稿では,パラメトリック拡散モデルを用いたパラメトリック船体設計について述べる。
生成した船体設計の品質を改善するためのガイダンスの追加について詳述している。
生成的人工知能はデザインサイクルの時間を短縮し、新しい高性能なデザインを作り出すことが示されている。
論文 参考訳（メタデータ） (2023-11-09T22:26:03Z) - Ship-D: Ship Hull Dataset for Design Optimization using Machine Learning [4.091593765662773]
本稿では, 設計および機能性能情報を備えた3万隻の船体からなる大規模データセットについて述べる。
本稿では,既存の船体を正確に再構成するパラメータ化機能を示すために,一般公開CADリポジトリから12種類の船体について紹介する。
論文 参考訳（メタデータ） (2023-05-14T23:47:20Z) - Generative Thermal Design Through Boundary Representation and
Multi-Agent Cooperative Environment [0.0]
協調型多エージェント深部強化学習と連続幾何表現を用いた生成熱設計を提案する。
提案フレームワークは、熱伝達と圧力降下を予測する環境として、事前訓練されたニューラルネットワークサロゲートモデルで構成されている。
論文 参考訳（メタデータ） (2022-08-16T21:22:44Z) - SP-GAN: Sphere-Guided 3D Shape Generation and Manipulation [50.53931728235875]
点雲の形で3次元形状を直接合成するための新しい教師なし球誘導生成モデルSP-GANを提案する。
既存のモデルと比較して、SP-GANは多種多様な高品質な形状を詳細に合成することができる。
論文 参考訳（メタデータ） (2021-08-10T06:49:45Z) - Do Generative Models Know Disentanglement? Contrastive Learning is All
You Need [59.033559925639075]
本論文では,変数空間におけるコントラスト(DisCo)による非監視的,モデル非依存的手法を提案する。
DisCoは、GAN、VAE、およびフローを含む、事前訓練された非解離生成モデルに与えられた最先端の解離を達成します。
論文 参考訳（メタデータ） (2021-02-21T08:01:20Z) - CoSE: Compositional Stroke Embeddings [52.529172734044664]
本稿では、ストロークベースの描画タスクのような複雑な自由形式構造に対する生成モデルを提案する。
我々のアプローチは、自動補完図のようなインタラクティブなユースケースに適している。
論文 参考訳（メタデータ） (2020-06-17T15:22:54Z)
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。