論文の概要: CAD-SIGNet: CAD Language Inference from Point Clouds using Layer-wise Sketch Instance Guided Attention

• arxiv url: http://arxiv.org/abs/2402.17678v1
• Date: Tue, 27 Feb 2024 16:53:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-28 15:26:42.909355
• Title: CAD-SIGNet: CAD Language Inference from Point Clouds using Layer-wise Sketch Instance Guided Attention
• Title（参考訳）: cad-signet: layer-wise sketchインスタンスガイドによるポイントクラウドからのcad言語推論
• Authors: Mohammad Sadil Khan, Elona Dupont, Sk Aziz Ali, Kseniya Cherenkova, Anis Kacem, Djamila Aouada
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 13.227571488321358
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reverse engineering in the realm of Computer-Aided Design (CAD) has been a longstanding aspiration, though not yet entirely realized. Its primary aim is to uncover the CAD process behind a physical object given its 3D scan. We propose CAD-SIGNet, an end-to-end trainable and auto-regressive architecture to recover the design history of a CAD model represented as a sequence of sketch-and-extrusion from an input point cloud. Our model learns visual-language representations by layer-wise cross-attention between point cloud and CAD language embedding. In particular, a new Sketch instance Guided Attention (SGA) module is proposed in order to reconstruct the fine-grained details of the sketches. Thanks to its auto-regressive nature, CAD-SIGNet not only reconstructs a unique full design history of the corresponding CAD model given an input point cloud but also provides multiple plausible design choices. This allows for an interactive reverse engineering scenario by providing designers with multiple next-step choices along with the design process. Extensive experiments on publicly available CAD datasets showcase the effectiveness of our approach against existing baseline models in two settings, namely, full design history recovery and conditional auto-completion from point clouds.
• Abstract（参考訳）: CAD(Computer-Aided Design)の領域におけるリバースエンジニアリングは、まだ完全に実現されていないが、長年の夢であった。 その主な目的は、3Dスキャンによって物理的な物体の背後にあるCADプロセスを明らかにすることである。 本稿では,CAD-SIGNetを提案する。このCAD-SIGNetは,入力点クラウドからのスケッチ・アンド・エクストルージョンのシーケンスを表すCADモデルの設計履歴を復元する。 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。 特に、スケッチのきめ細かい詳細を再構築するために、新しいSketchインスタンスガイドアテンション(SGA)モジュールが提案されている。 CAD-SIGNetは自己回帰的な性質のため、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設計履歴を再構築するだけでなく、複数の設計選択を提供する。 これにより、設計プロセスとともに複数の次のステップ選択をデザイナーに提供することで、インタラクティブなリバースエンジニアリングシナリオが可能になる。 利用可能なCADデータセットに関する大規模な実験は、既存のベースラインモデルに対するアプローチの有効性を2つの設定で示している。

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)
• Point2CAD: Reverse Engineering CAD Models from 3D Point Clouds [26.10631058349939]
  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。
  論文  参考訳（メタデータ） (2023-12-07T08:23:44Z)
• 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)
• ExtrudeNet: Unsupervised Inverse Sketch-and-Extrude for Shape Parsing [46.778258706603005]
  本稿では,逆スケッチ・アンド・エクスクルードによる点雲形状の学習問題について検討する。 本稿では,ポイントクラウドからスケッチを発見して抽出する,教師なしのエンドツーエンドネットワークであるExtrudeNetを提案する。
  論文  参考訳（メタデータ） (2022-09-30T17:58:11Z)
• 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)
• 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)
• Fusion 360 Gallery: A Dataset and Environment for Programmatic CAD Construction from Human Design Sequences [43.57844212541765]
  簡単な言語で構成されたFusion 360 Galleryを紹介します。 また,CADプログラムの逐次構築をマルコフ決定プロセスとして公開するFusion 360 Gymという対話型環境を提案する。
  論文  参考訳（メタデータ） (2020-10-05T23:18:21Z)

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。