論文の概要: Hierarchical Neural Coding for Controllable CAD Model Generation

• arxiv url: http://arxiv.org/abs/2307.00149v1
• Date: Fri, 30 Jun 2023 21:49:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-05 17:40:20.869607
• Title: Hierarchical Neural Coding for Controllable CAD Model Generation
• Title（参考訳）: 制御可能なCADモデル生成のための階層型ニューラルネットワーク
• Authors: Xiang Xu, Pradeep Kumar Jayaraman, Joseph G. Lambourne, Karl D.D. Willis, Yasutaka Furukawa
• Abstract要約: 本稿では,CAD(Computer Aided Design)の新しい生成モデルを提案する。 これはCADモデルの高レベルな設計概念を、ニューラルネットワークの3レベル階層木として表現している。 コードツリーを使用してターゲット設計を指定することでCADモデルの生成や完成を制御する。
• 参考スコア（独自算出の注目度）: 34.14256897199849
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a novel generative model for Computer Aided Design (CAD) that 1) represents high-level design concepts of a CAD model as a three-level hierarchical tree of neural codes, from global part arrangement down to local curve geometry; and 2) controls the generation or completion of CAD models by specifying the target design using a code tree. Concretely, a novel variant of a vector quantized VAE with "masked skip connection" extracts design variations as neural codebooks at three levels. Two-stage cascaded auto-regressive transformers learn to generate code trees from incomplete CAD models and then complete CAD models following the intended design. Extensive experiments demonstrate superior performance on conventional tasks such as random generation while enabling novel interaction capabilities on conditional generation tasks. The code is available at https://github.com/samxuxiang/hnc-cad.
• Abstract（参考訳）: 本稿では,CAD(Computer Aided Design)のための新しい生成モデルを提案する。 1)cadモデルの高レベル設計概念を,大域的な部分配置から局所曲線幾何学まで,ニューラルネットワークの3段階階層木として表現する。 2)コードツリーを用いてターゲット設計を指定することによりCADモデルの生成や完成を制御する。 具体的には、"masked skip connection"を持つベクトル量子化vaeの新しい変種は、3段階のニューラルコードブックとして設計のバリエーションを抽出する。 2段階のカスケード自動回帰変換器は、不完全なCADモデルからコードツリーを生成し、意図された設計に従ってCADモデルを完成させる。 広範な実験により、条件付き生成タスクの新たなインタラクション機能を実現しつつ、ランダム生成などの従来のタスクで優れた性能を示す。 コードはhttps://github.com/samxuxiang/hnc-cadで入手できる。

関連論文リスト

• FlexCAD: Unified and Versatile Controllable CAD Generation with Fine-tuned Large Language Models [22.010338370150738]
  ユーザ意図に基づいてコンピュータ支援デザイン(CAD)モデルを作成することへの関心が高まっている。 既存の作業は限定的な制御性を提供し、異なるタイプの制御のための別々のモデルが必要です。 大規模言語モデルを微調整した統合モデルFlexCADを提案する。
  論文  参考訳（メタデータ） (2024-11-05T05:45:26Z)
• LaGeM: A Large Geometry Model for 3D Representation Learning and Diffusion [46.76882780184126]
  本稿では3次元モデルを圧縮された潜在空間にマッピングする新しい階層型オートエンコーダを提案する。 このモデルは,高分解能な幾何学的詳細を忠実に表現しながら,広範囲な3次元モデルを表現するために使用できることを示す。
  論文  参考訳（メタデータ） (2024-10-02T07:42:20Z)
• CAD-SIGNet: CAD Language Inference from Point Clouds using Layer-wise Sketch Instance Guided Attention [13.227571488321358]
  CADモデルの設計履歴を復元するために,エンドツーエンドでトレーニング可能な自動回帰アーキテクチャを提案する。 我々のモデルは、ポイントクラウドとCAD言語埋め込みの階層的相互注意により視覚言語表現を学習する。 CAD-SIGNetは自己回帰的な性質により、入力ポイントクラウドが与えられたCADモデルのユニークな完全な設計履歴を再構築するだけでなく、複数の可能な設計選択も提供する。
  論文  参考訳（メタデータ） (2024-02-27T16:53:16Z)
• 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)
• 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)
• SECAD-Net: Self-Supervised CAD Reconstruction by Learning Sketch-Extrude Operations [21.000539206470897]
  SECAD-Netは、コンパクトで使いやすいCADモデルの再構築を目的とした、エンドツーエンドのニューラルネットワークである。 本研究は,CAD再構築の手法など,最先端の代替手段よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-19T09:26:03Z)
• 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)
• SkexGen: Autoregressive Generation of CAD Construction Sequences with Disentangled Codebooks [37.33746656109331]
  我々はコンピュータ支援設計(CAD)構築シーケンスのための新しい自己回帰生成モデルであるSkexGenを提案する。 自動回帰トランスフォーマーデコーダは、コードブックベクトルによって指定された特定の特性を共有するCAD構成シーケンスを生成する。
  論文  参考訳（メタデータ） (2022-07-11T05:10:51Z)
• DeepCAD: A Deep Generative Network for Computer-Aided Design Models [37.655225142981564]
  形状をコンピュータ支援設計(CAD)操作のシーケンスとして記述した形状表現の3次元生成モデルについて述べる。 CAD操作と自然言語の類似性について,トランスフォーマーに基づくCAD生成ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-05-20T03:29:18Z)
• PT2PC: Learning to Generate 3D Point Cloud Shapes from Part Tree Conditions [66.87405921626004]
  本稿では,シンボル部分木表現から3次元形状点雲の幾何を生成するという新しい問題について検討する。 構造的および幾何学的要因を乱す条件付きGAN "part tree"-to-point cloud"モデル(PT2PC)を提案する。
  論文  参考訳（メタデータ） (2020-03-19T08:27:25Z)

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。