論文の概要: BrepGen: A B-rep Generative Diffusion Model with Structured Latent Geometry
- arxiv url: http://arxiv.org/abs/2401.15563v2
- Date: Thu, 16 May 2024 05:20:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-17 18:55:01.354943
- Title: BrepGen: A B-rep Generative Diffusion Model with Structured Latent Geometry
- Title（参考訳）: BrepGen: 構造的潜在幾何学を用いたB-rep生成拡散モデル
- Authors: Xiang Xu, Joseph G. Lambourne, Pradeep Kumar Jayaraman, Zhengqing Wang, Karl D. D. Willis, Yasutaka Furukawa,
- Abstract要約: BrepGenは拡散に基づく生成手法であり、境界表現(Breep)コンピュータ支援設計(CAD)モデルを直接出力する。
BrepGenは、階層木における新しい構造付き潜在幾何学としてB-repモデルを表す。
- 参考スコア（独自算出の注目度）: 24.779824909395245
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents BrepGen, a diffusion-based generative approach that directly outputs a Boundary representation (B-rep) Computer-Aided Design (CAD) model. BrepGen represents a B-rep model as a novel structured latent geometry in a hierarchical tree. With the root node representing a whole CAD solid, each element of a B-rep model (i.e., a face, an edge, or a vertex) progressively turns into a child-node from top to bottom. B-rep geometry information goes into the nodes as the global bounding box of each primitive along with a latent code describing the local geometric shape. The B-rep topology information is implicitly represented by node duplication. When two faces share an edge, the edge curve will appear twice in the tree, and a T-junction vertex with three incident edges appears six times in the tree with identical node features. Starting from the root and progressing to the leaf, BrepGen employs Transformer-based diffusion models to sequentially denoise node features while duplicated nodes are detected and merged, recovering the B-Rep topology information. Extensive experiments show that BrepGen advances the task of CAD B-rep generation, surpassing existing methods on various benchmarks. Results on our newly collected furniture dataset further showcase its exceptional capability in generating complicated geometry. While previous methods were limited to generating simple prismatic shapes, BrepGen incorporates free-form and doubly-curved surfaces for the first time. Additional applications of BrepGen include CAD autocomplete and design interpolation. The code, pretrained models, and dataset are available at https://github.com/samxuxiang/BrepGen.
- Abstract（参考訳）: 本稿では,B境界表現(B-rep)コンピュータ支援設計(CAD)モデルを直接出力する拡散型生成手法であるBrepGenを提案する。
BrepGenは、階層木における新しい構造付き潜在幾何学としてB-repモデルを表す。
ルートノードはCADソリッド全体を表すため、B-repモデルの各要素(顔、縁、頂点など)は徐々に上から下へ子ノードになる。
B-rep幾何情報は、各プリミティブのグローバルな境界ボックスとしてノードに入り、局所的な幾何学的形状を記述する潜在コードを持つ。
B-repトポロジ情報はノード複製によって暗黙的に表現される。
2つの面がエッジを共有すると、エッジ曲線が木に2回現れ、3つの入射エッジを持つT接合頂点が同じノードの特徴を持つ木に6回現れる。
ルートから葉へと進むと、BrepGenはTransformerベースの拡散モデルを使用してノードの特徴を逐次分解し、重複ノードを検出してマージし、B-Repトポロジー情報を復元する。
大規模な実験により、BrepGenはCAD B-rep生成のタスクを前進させ、様々なベンチマークで既存の手法を上回ります。
新たに収集した家具データセットの結果は、複雑な幾何学を創出する際、その異常な能力を示すものである。
従来の手法は単純な原始的な形状の生成に限られていたが、BrepGenは自由曲面と二重曲面を初めて取り入れた。
BrepGenの他の用途にはCADオートコンプリートと設計補間がある。
コード、事前訓練されたモデル、データセットはhttps://github.com/samxuxiang/BrepGen.comで入手できる。
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) - Seq-HGNN: Learning Sequential Node Representation on Heterogeneous Graph [57.2953563124339]
本稿では,シーケンシャルノード表現,すなわちSeq-HGNNを用いた新しい異種グラフニューラルネットワークを提案する。
Heterogeneous Graph Benchmark (HGB) と Open Graph Benchmark (OGB) の4つの広く使われているデータセットについて広範な実験を行った。
論文 参考訳（メタデータ） (2023-05-18T07:27:18Z) - SolidGen: An Autoregressive Model for Direct B-rep Synthesis [15.599363091502365]
境界表現(B-rep)形式はコンピュータ支援設計(CAD)におけるデファクト形状表現である
CADモデル生成への最近のアプローチは、スケッチ・アンド・エクスクルード・モデリングシーケンスの学習に焦点を当てている。
本稿では,B-repsから学習し,B-repsの合成を可能にする新しいアプローチを提案する。
論文 参考訳（メタデータ） (2022-03-26T00:00:45Z) - Learning Mesh Representations via Binary Space Partitioning Tree
Networks [28.962866472806812]
コンベックス分解により3次元形状を表現するネットワークであるBSP-Netを提案する。
ネットワークは、一組の平面上に構築されたBSPツリーから得られた凸の集合を用いて形状を再構築するよう訓練され、平面と凸はどちらも学習されたネットワーク重みによって定義される。
生成されたメッシュは、水密でコンパクト(低ポーリー)で、鋭い幾何学を表現するのに適している。
論文 参考訳（メタデータ） (2021-06-27T16:37:54Z) - NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One
Go [109.88509362837475]
入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。
NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。
異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
論文 参考訳（メタデータ） (2021-06-17T12:25:44Z) - BRepNet: A topological message passing system for solid models [6.214548392474976]
境界表現(B-rep)モデルは、コンピュータ支援設計(CAD)アプリケーションで3D形状を記述する標準的な方法です。
我々は,B-repデータ構造を直接操作するように設計されたニューラルネットワークアーキテクチャであるBRepNetを紹介する。
論文 参考訳（メタデータ） (2021-04-01T18:16:03Z) - TSGCNet: Discriminative Geometric Feature Learning with Two-Stream
GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。
3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
論文 参考訳（メタデータ） (2020-12-26T08:02:56Z) - UV-Net: Learning from Boundary Representations [17.47054752280569]
本稿では,3次元CADモデルによる境界表現(B-rep)データを直接操作するために設計された新しいニューラルネットワークアーキテクチャと表現であるUV-Netを紹介する。
B-repデータは、データ構造が複雑であり、連続的な非ユークリッド幾何学的エンティティと離散位相的エンティティの両方をサポートするため、現代の機械学習で使用される際、いくつかのユニークな課題を示す。
論文 参考訳（メタデータ） (2020-06-18T00:12:52Z) - 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) - PUGeo-Net: A Geometry-centric Network for 3D Point Cloud Upsampling [103.09504572409449]
PUGeo-Netと呼ばれる新しいディープニューラルネットワークを用いた一様高密度点雲を生成する手法を提案する。
その幾何学中心の性質のおかげで、PUGeo-Netはシャープな特徴を持つCADモデルとリッチな幾何学的詳細を持つスキャンされたモデルの両方でうまく機能する。
論文 参考訳（メタデータ） (2020-02-24T14:13:29Z)
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。