論文の概要: Point2CAD: Reverse Engineering CAD Models from 3D Point Clouds

• arxiv url: http://arxiv.org/abs/2312.04962v1
• Date: Thu, 7 Dec 2023 08:23:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-11 15:25:25.490169
• Title: Point2CAD: Reverse Engineering CAD Models from 3D Point Clouds
• Title（参考訳）: ポイント2CAD:3次元点雲からのリバースエンジニアリングCADモデル
• Authors: Yujia Liu, Anton Obukhov, Jan Dirk Wegner, Konrad Schindler
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 26.10631058349939
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computer-Aided Design (CAD) model reconstruction from point clouds is an important problem at the intersection of computer vision, graphics, and machine learning; it saves the designer significant time when iterating on in-the-wild objects. Recent advancements in this direction achieve relatively reliable semantic segmentation but still struggle to produce an adequate topology of the CAD model. In this work, we analyze the current state of the art for that ill-posed task and identify shortcomings of existing methods. We propose a hybrid analytic-neural reconstruction scheme that bridges the gap between segmented point clouds and structured CAD models and can be readily combined with different segmentation backbones. Moreover, to power the surface fitting stage, we propose a novel implicit neural representation of freeform surfaces, driving up the performance of our overall CAD reconstruction scheme. We extensively evaluate our method on the popular ABC benchmark of CAD models and set a new state-of-the-art for that dataset. Project page: https://www.obukhov.ai/point2cad}{https://www.obukhov.ai/point2cad.
• Abstract（参考訳）: コンピュータ支援設計(CAD)モデル再構築は、コンピュータビジョン、グラフィックス、機械学習の交差点において重要な問題である。 この方向の最近の進歩は比較的信頼性の高いセマンティックセグメンテーションを実現するが、CADモデルの適切なトポロジを生成するのに苦慮している。 本研究では,その課題に対する技術の現状を分析し,既存の手法の欠点を明らかにする。 本稿では,セグメント化された点群と構造化cadモデルとのギャップを橋渡しし,異なるセグメント化バックボーンと容易に結合できるハイブリッド解析-神経再建法を提案する。 さらに, 表面適合ステージを駆動するために, フリーフォーム表面の暗黙的ニューラル表現を提案し, CAD全体の再構成手法の性能を向上する。 本手法をcadモデルのabcベンチマークで広範囲に評価し,そのデータセットの新たな最先端設定を行った。 プロジェクトページ: https://www.obukhov.ai/point2cad}{https://www.obukhov.ai/point2cad

関連論文リスト

• PS-CAD: Local Geometry Guidance via Prompting and Selection for CAD Reconstruction [86.726941702182]
  再構成ネットワークPS-CADに幾何学的ガイダンスを導入する。 我々は、現在の再構成が点雲としての完備モデルと異なる曲面の幾何学を提供する。 第二に、幾何学的解析を用いて、候補面に対応する平面的プロンプトの集合を抽出する。
  論文  参考訳（メタデータ） (2024-05-24T03:43:55Z)
• Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
  本調査では,コンピュータ支援設計における学習手法の概要について概観する。 類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。 ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
  論文  参考訳（メタデータ） (2024-02-27T17:11:35Z)
• 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)
• P2CADNet: An End-to-End Reconstruction Network for Parametric 3D CAD Model from Point Clouds [10.041481396324517]
  本稿では,ポイントクラウド(P2CADNet)から特徴量CADモデルを再構成するエンドツーエンドネットワークを提案する。 公開データセット上でP2CADNetを評価し,実験結果から,P2CADNetは再現性および精度に優れることが示された。
  論文  参考訳（メタデータ） (2023-10-04T08:00:05Z)
• 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)
• 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)
• Single-view 3D Mesh Reconstruction for Seen and Unseen Categories [69.29406107513621]
  シングルビュー3Dメッシュ再構成は、シングルビューRGB画像から3D形状を復元することを目的とした、基本的なコンピュータビジョンタスクである。 本稿では,一視点3Dメッシュ再構成に取り組み,未知のカテゴリのモデル一般化について検討する。 我々は、再構築におけるカテゴリ境界を断ち切るために、エンドツーエンドの2段階ネットワークであるGenMeshを提案する。
  論文  参考訳（メタデータ） (2022-08-04T14:13:35Z)
• Patch2CAD: Patchwise Embedding Learning for In-the-Wild Shape Retrieval from a Single Image [58.953160501596805]
  本稿では,2次元画像と3次元CADモデルの結合埋め込み空間をパッチワイズで構築する手法を提案する。 我々のアプローチは、CADが正確に一致しない実世界のシナリオにおける最先端技術よりも堅牢である。
  論文  参考訳（メタデータ） (2021-08-20T20:58:52Z)
• 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)

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。