論文の概要: Sketch2Stress: Sketching with Structural Stress Awareness

• arxiv url: http://arxiv.org/abs/2306.05911v2
• Date: Mon, 11 Dec 2023 06:51:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-13 02:36:33.000479
• Title: Sketch2Stress: Sketching with Structural Stress Awareness
• Title（参考訳）: Sketch2Stress: 構造的ストレス認識によるスケッチ
• Authors: Deng Yu, Chufeng Xiao, Manfred Lau, and Hongbo Fu
• Abstract要約: そこで,Sketch2Stressを導入し,スケッチ段階で所望のオブジェクトの構造解析を行う。 特別に設計された2分岐生成・逆向きのフレームワークにより、正規写像とそれに対応する構造的ストレスマップを自動的に予測する。 本システムの有効性と実用性を,広範な実験とユーザスタディで実証する。
• 参考スコア（独自算出の注目度）: 15.842017507987892
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the process of product design and digital fabrication, the structural analysis of a designed prototype is a fundamental and essential step. However, such a step is usually invisible or inaccessible to designers at the early sketching phase. This limits the user's ability to consider a shape's physical properties and structural soundness. To bridge this gap, we introduce a novel approach Sketch2Stress that allows users to perform structural analysis of desired objects at the sketching stage. This method takes as input a 2D freehand sketch and one or multiple locations of user-assigned external forces. With the specially-designed two-branch generative-adversarial framework, it automatically predicts a normal map and a corresponding structural stress map distributed over the user-sketched underlying object. In this way, our method empowers designers to easily examine the stress sustained everywhere and identify potential problematic regions of their sketched object. Furthermore, combined with the predicted normal map, users are able to conduct a region-wise structural analysis efficiently by aggregating the stress effects of multiple forces in the same direction. Finally, we demonstrate the effectiveness and practicality of our system with extensive experiments and user studies.
• Abstract（参考訳）: 製品設計とデジタル製造の過程において、設計されたプロトタイプの構造解析は基本的で不可欠なステップである。 しかし、そのようなステップは通常、初期のスケッチフェーズでデザイナーには見えないか、アクセスできない。 これは、形状の物理的特性と構造的健全性を考慮するユーザーの能力を制限する。 そこで,このギャップを埋めるために,ユーザが希望するオブジェクトの構造解析をスケッチ段階で行える新しいsketch2stressを提案する。 この方法は、2次元のフリーハンドスケッチと、ユーザ指定外力の1つまたは複数の位置を入力とする。 特別に設計された2分岐生成・反転フレームワークにより、通常のマップとそれに対応する構造的ストレスマップを自動的に予測する。 この方法では, 設計者があらゆる場所で持続するストレスを容易に検証し, スケッチ対象の潜在的な問題領域を特定することができる。 さらに、予測された通常の地図と組み合わせることで、複数の力の応力効果を同じ方向に集約することで、地域的構造解析を効率的に行うことができる。 最後に,本システムの有効性と実用性を,広範な実験とユーザスタディで実証する。

関連論文リスト

• CustomSketching: Sketch Concept Extraction for Sketch-based Image Synthesis and Editing [21.12815542848095]
  大規模なテキスト・ツー・イメージ(T2I)モデルのパーソナライズ技術により、ユーザーは参照画像から新しい概念を組み込むことができる。 既存の手法は主にテキスト記述に依存しており、カスタマイズされた画像の制御が制限されている。 スケッチを直感的で汎用的な表現として識別し,このような制御を容易にする。
  論文  参考訳（メタデータ） (2024-02-27T15:52:59Z)
• SENS: Part-Aware Sketch-based Implicit Neural Shape Modeling [124.3266213819203]
  SENSは手描きスケッチから3Dモデルを生成し編集するための新しい手法である。 SENSはスケッチを分析し、部品をViTパッチエンコーディングにエンコードする。 SENSは部分再構成による精細化をサポートし、微調整とアーティファクトの除去を可能にする。
  論文  参考訳（メタデータ） (2023-06-09T17:50:53Z)
• Sketch2Saliency: Learning to Detect Salient Objects from Human Drawings [99.9788496281408]
  本研究では,スケッチを弱いラベルとして使用して,画像中の有能な物体を検出する方法について検討する。 これを実現するために,与えられた視覚写真に対応する逐次スケッチ座標を生成することを目的としたフォト・ツー・スケッチ生成モデルを提案する。 テストは、私たちの仮説を証明し、スケッチベースの唾液度検出モデルが、最先端技術と比較して、競争力のあるパフォーマンスを提供する方法を明確にします。
  論文  参考訳（メタデータ） (2023-03-20T23:46:46Z)
• AI Art in Architecture [0.6853165736531939]
  最近の拡散ベースのAIアートプラットフォームは、単純なテキスト記述から印象的なイメージを作成することができる。 これはアーキテクチャ設計の初期段階にも当てはまり、アイデア、スケッチ、モデリングの段階が複数ある。 アーキテクチャ設計における一連の一般的なユースケースに対して,Midjourney,DALL-E 2,StableDiffusionの各プラットフォームの適用性について検討する。
  論文  参考訳（メタデータ） (2022-12-19T12:24:14Z)
• Vitruvio: 3D Building Meshes via Single Perspective Sketches [0.8001739956625484]
  一つのスケッチを3Dビルディングメッシュに変換することを目的とした建物のみに焦点を当てた,最初のディープラーニング手法であるVitruvioを紹介した。 まず、推論プロセスを26%以上(0.5から0.37まで)加速する。 第二に、再建精度(チャンファー距離で測定される)を18%向上させる。
  論文  参考訳（メタデータ） (2022-10-24T22:24:58Z)
• I Know What You Draw: Learning Grasp Detection Conditioned on a Few Freehand Sketches [74.63313641583602]
  そこで本研究では,スケッチ画像に関連のある潜在的な把握構成を生成する手法を提案する。 私たちのモデルは、現実世界のアプリケーションで簡単に実装できるエンドツーエンドで訓練され、テストされています。
  論文  参考訳（メタデータ） (2022-05-09T04:23:36Z)
• Sketch2PQ: Freeform Planar Quadrilateral Mesh Design via a Single Sketch [36.10997511325458]
  フリーフォーム屋根形状の概念設計とデジタルモデリングを橋渡しする新しいスケッチベースシステムを提案する。 本システムでは, 表面境界線と輪郭線を軸方向投影でスケッチすることができる。 本研究では,高密度共役方向場とともに,表面形状をリアルタイムに推定するディープニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-01-23T21:09:59Z)
• Segmentation and Analysis of a Sketched Truss Frame Using Morphological Image Processing Techniques [0.0]
  建物の能力を分析し評価する計算ツールの開発は、土木工学に大きな影響を与えた。 構造モデリングに関わる困難かつ最も時間を要するステップの1つは、分析を提供するために構造の幾何学を定義することである。 本稿では,手書きスケッチやコンピュータで作成したトラスフレームの分析を自動化する手法の開発に着目する。
  論文  参考訳（メタデータ） (2020-09-28T08:50:18Z)
• 3D Sketch-aware Semantic Scene Completion via Semi-supervised Structure Prior [50.73148041205675]
  セマンティック・シーン・コンプリート(SSC)タスクの目標は、単一視点で観察することで、ボリューム占有率とシーン内のオブジェクトの意味ラベルの完全な3Dボクセル表現を同時に予測することである。 低解像度のボクセル表現で深度情報を埋め込む新しい幾何学的手法を提案する。 提案手法は,SSCフレームワークからの深度特徴学習よりも有効である。
  論文  参考訳（メタデータ） (2020-03-31T09:33:46Z)
• Deep Self-Supervised Representation Learning for Free-Hand Sketch [51.101565480583304]
  フリーハンドスケッチにおける自己指導型表現学習の課題に対処する。 自己教師型学習パラダイムの成功の鍵は、スケッチ固有の設計にある。 提案手法は最先端の教師なし表現学習法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-02-03T16:28:29Z)
• Deep Plastic Surgery: Robust and Controllable Image Editing with Human-Drawn Sketches [133.01690754567252]
  スケッチベースの画像編集は、人間の描いたスケッチによって提供される構造情報に基づいて、写真を合成し、修正することを目的としている。 Deep Plastic Surgeryは、手書きのスケッチ入力を使って画像のインタラクティブな編集を可能にする、新しくて堅牢で制御可能な画像編集フレームワークである。
  論文  参考訳（メタデータ） (2020-01-09T08:57:50Z)

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。