論文の概要: Strokes2Surface: Recovering Curve Networks From 4D Architectural Design
Sketches
- arxiv url: http://arxiv.org/abs/2306.07220v2
- Date: Thu, 15 Jun 2023 15:40:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-16 11:04:43.359328
- Title: Strokes2Surface: Recovering Curve Networks From 4D Architectural Design
Sketches
- Title（参考訳）: Strokes2Surface:4Dアーキテクチャ設計から曲線ネットワークを復元
- Authors: S. Rasoulzadeh, M. Wimmer, and I. Kovacic
- Abstract要約: Strokes2Surfaceは、4D Sketching Interface, MR.Sketch上に構築されたオフラインの幾何再構成パイプラインである。
パイプラインは設計者が描いたストロークから曲線ネットワークを復元し、設計における概念設計とデジタルモデリングの段階を橋渡しする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present Strokes2Surface, an offline geometry-reconstruction pipeline built
upon a 4D Sketching Interface, MR.Sketch, targeted at architectural design. The
pipeline recovers a curve network from designer-drawn strokes, thus bridging
between concept design and digital modeling stages in architectural design. The
input to our pipeline consists of 3D strokes' polyline vertices and their
corresponding timestamps (as of the fourth dimension), along with additional
geometric and stylus-related recorded properties. Inspired by sketch
consolidation and sketch-based modeling methods, our pipeline leverages such
data and combines three Machine Learning (ML) models; a classifier and two
clustering models. In particular, based on observations of practices designers
typically employ in architectural design sketches, we solve a binary
classification problem to recognize whether a stroke depicts a boundary and
edge or is used to fill in the enclosing areas and faces of the intended
architectural object. Followed by the two clustering models, strokes of each
type are further parsed into groups, each representing either a single edge or
a single face. Next, groups representing edges are approximated with B-spline
curves, followed by a topology-recovering process identifying and fixing
desired connectivities between the curves forming a well-connected curve
network. Next, groups representing the faces are employed to detect the cycles
bounding patches in the curve network, resulting in the final surface mesh
geometry of the architectural object. We confirm the usability of
Strokes2Surface via a user study and further validate and compare our results
against a range of reconstructions computed using alternative methods. We also
introduce our manually labeled dataset of 4D architectural design sketches for
further use in the community.
- Abstract（参考訳）: Strokes2Surfaceは、4D Sketching Interface(MR.Sketch)上に構築されたオフラインの幾何学的再構成パイプラインである。
パイプラインは設計者が描いたストロークから曲線ネットワークを復元し、設計における概念設計とデジタルモデリングの段階を橋渡しする。
パイプラインへの入力は、3dストロークのポリライン頂点と対応するタイムスタンプ(4次元現在)と、幾何学的およびスタイラスに関連した記録的特性からなる。
スケッチ統合とスケッチベースのモデリング手法にインスパイアされたパイプラインは、そのようなデータを活用し、3つの機械学習(ML)モデル、分類器と2つのクラスタリングモデルを組み合わせる。
特に,設計者が建築設計スケッチに典型的に採用する実践の観察に基づいて,ストロークが境界とエッジを描写しているか,あるいは意図する建築オブジェクトの囲い領域と顔を埋めるために使用されるかという二分分類問題を解く。
2つのクラスタリングモデルに続いて、各タイプのストロークはさらにグループにパースされ、それぞれが1つのエッジまたは1つの顔を表す。
次に、辺を表す群をb-スプライン曲線で近似し、次に、よく連結された曲線ネットワークを形成する曲線間の所望の連結性を同定し固定するトポロジー回復過程を行う。
次に、顔を表す群を用いて曲線ネットワークのパッチ境界の周期を検知し、アーキテクチャ対象の最終的な表面メッシュ形状を導出する。
本研究では,Strokes2Surfaceのユーザビリティをユーザスタディで検証し,代替手法を用いて計算したさまざまな再構成と比較する。
また、コミュニティでさらに使われるように、手動でラベル付けされた4Dアーキテクチャデザインスケッチのデータセットも導入します。
関連論文リスト
- Split-and-Fit: Learning B-Reps via Structure-Aware Voronoi Partitioning [50.684254969269546]
本稿では,3次元CADモデルのバウンダリ表現(B-Reps)を取得する新しい手法を提案する。
各パーティション内に1つのプリミティブを導出するために空間分割を適用する。
我々のネットワークはニューラルなボロノイ図でNVD-Netと呼ばれ、訓練データからCADモデルのボロノイ分割を効果的に学習できることを示す。
論文 参考訳（メタデータ） (2024-06-07T21:07:49Z) - 3D Neural Edge Reconstruction [61.10201396044153]
本研究では,線と曲線に焦点をあてて3次元エッジ表現を学習する新しい手法であるEMAPを紹介する。
多視点エッジマップから無符号距離関数(UDF)の3次元エッジ距離と方向を暗黙的に符号化する。
この神経表現の上に、推定されたエッジ点とその方向から3次元エッジを頑健に抽象化するエッジ抽出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-05-29T17:23:51Z) - Unsupervised Representation Learning for Diverse Deformable Shape
Collections [30.271818994854353]
本稿では,3次元表面メッシュを符号化し,操作するための新しい学習手法を提案する。
本手法は,変形可能な形状収集のための解釈可能な埋め込み空間を作成するために設計されている。
論文 参考訳（メタデータ） (2023-10-27T13:45:30Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳（メタデータ） (2022-12-17T15:05:25Z) - Reconstructing editable prismatic CAD from rounded voxel models [16.03976415868563]
この課題を解決するために,新しいニューラルネットワークアーキテクチャを導入する。
本手法は形状を分解することでボクセル空間の入力幾何を再構成する。
推論の際には,まず2次元制約付きスケッチのデータベースを検索し,CADデータを取得する。
論文 参考訳（メタデータ） (2022-09-02T16:44:10Z) - Geometric Understanding of Sketches [0.0]
そこで本研究では,システムのスケッチの幾何学的理解を支援する2つの手法について検討する。
最初の研究は、グラフ構造としての2次元線描画の解釈を扱い、また、ロボットによる物理的再構成によってその効果を示す。
2つ目の研究では、3次元幾何学に関する情報に明示的にアクセスすることなく、スケッチベースシステムの3次元幾何学的理解をテストする。
論文 参考訳（メタデータ） (2022-04-13T23:55:51Z) - Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。
提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。
メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
論文 参考訳（メタデータ） (2020-10-23T14:49:02Z) - Pix2Surf: Learning Parametric 3D Surface Models of Objects from Images [64.53227129573293]
1つ以上の視点から見れば、新しいオブジェクトの3次元パラメトリック表面表現を学習する際の課題について検討する。
ビュー間で一貫した高品質なパラメトリックな3次元表面を生成できるニューラルネットワークを設計する。
提案手法は,共通対象カテゴリからの形状の公開データセットに基づいて,教師と訓練を行う。
論文 参考訳（メタデータ） (2020-08-18T06:33:40Z) - 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) - Deep Manifold Prior [37.725563645899584]
本稿では,3次元形状の表面などの多様体構造データに先行する手法を提案する。
この方法で生成された曲面は滑らかであり、ガウス過程を特徴とする制限的な挙動を示し、完全連結および畳み込みネットワークに対して数学的にそのような特性を導出する。
論文 参考訳（メタデータ） (2020-04-08T20:47:56Z)
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。