Fugu-MT 論文翻訳(概要): Pixel-Wise Symbol Spotting via Progressive Points Location for Parsing CAD Images

論文の概要: Pixel-Wise Symbol Spotting via Progressive Points Location for Parsing CAD Images

arxiv url: http://arxiv.org/abs/2404.10985v1
Date: Wed, 17 Apr 2024 01:35:52 GMT
ステータス: 処理完了
システム内更新日: 2024-04-18 15:43:59.539842
Title: Pixel-Wise Symbol Spotting via Progressive Points Location for Parsing CAD Images
Title（参考訳）: CAD画像解析のためのプログレッシブポイント位置によるPixel-Wiseシンボルスポッティング
Authors: Junbiao Pang, Zailin Dong, Jiaxin Deng, Mengyuan Zhu, Yunwei Zhang,
Abstract要約: 本稿では,CAD図面から変換されたCAD画像からシンボルをラベル付けし,配置する。 CAD画像からシンボルをスポッティングする利点は、ラベル付けの低要件と低コストのアノテーションにある。キーポイント検出に基づいて,CAD画像中の矩形記号を再描画するシンボルグループ化手法を提案する。
参考スコア（独自算出の注目度）: 1.5736099356327244
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Parsing Computer-Aided Design (CAD) drawings is a fundamental step for CAD revision, semantic-based management, and the generation of 3D prototypes in both the architecture and engineering industries. Labeling symbols from a CAD drawing is a challenging yet notorious task from a practical point of view. In this work, we propose to label and spot symbols from CAD images that are converted from CAD drawings. The advantage of spotting symbols from CAD images lies in the low requirement of labelers and the low-cost annotation. However, pixel-wise spotting symbols from CAD images is challenging work. We propose a pixel-wise point location via Progressive Gaussian Kernels (PGK) to balance between training efficiency and location accuracy. Besides, we introduce a local offset to the heatmap-based point location method. Based on the keypoints detection, we propose a symbol grouping method to redraw the rectangle symbols in CAD images. We have released a dataset containing CAD images of equipment rooms from telecommunication industrial CAD drawings. Extensive experiments on this real-world dataset show that the proposed method has good generalization ability.
Abstract（参考訳）: CAD (Parsing Computer-Aided Design) 図面はCADリビジョン、セマンティックベースの管理、アーキテクチャとエンジニアリングの両分野における3Dプロトタイプ作成の基本的なステップである。 CAD図面からの記号のラベル付けは、実際的な観点からは難しいが悪名高い作業である。そこで本研究では,CAD図面から変換されたCAD画像からシンボルをラベル付けし,識別する手法を提案する。 CAD画像からシンボルをスポッティングする利点は、ラベル付けの低要件と低コストのアノテーションにある。しかし,CAD画像からピクセル単位のスポッティングシンボルを抽出することは困難な作業である。トレーニング効率と位置精度のバランスをとるために,プログレッシブガウスカーネル(PGK)を用いた画素ワイズポイントロケーションを提案する。さらに,ヒートマップに基づく点位置推定法に局所オフセットを導入する。キーポイント検出に基づいて,CAD画像中の矩形記号を再描画するシンボルグループ化手法を提案する。通信産業CAD図面から機器室のCAD画像を含むデータセットを作成した。この実世界のデータセットに対する大規模な実験により,提案手法は優れた一般化能力を有することが示された。

関連論文リスト

PICASSO: A Feed-Forward Framework for Parametric Inference of CAD Sketches via Rendering Self-Supervision [12.644368401427135]
CADスケッチを描画すると、提案フレームワークはCADソフトウェアにインポート可能なパラメトリックプリミティブに変換する。 PICASSOは、精密または手書きのスケッチ画像からパラメトリックCADスケッチの学習を可能にする。
論文参考訳（メタデータ） (2024-07-18T11:02:52Z)
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)
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)
Sketch3D: Style-Consistent Guidance for Sketch-to-3D Generation [55.73399465968594]
本稿では,テキスト記述と一致する色と入力スケッチに整合した形状のリアルな3Dアセットを生成するための,新しい生成パラダイムSketch3Dを提案する。 3つの戦略は、3次元ガウスの最適化、すなわち分布伝達機構による構造最適化、直感的なMSE損失による色最適化、CLIPに基づく幾何学的類似性損失によるスケッチ類似性最適化である。
論文参考訳（メタデータ） (2024-04-02T11:03:24Z)
Symbol as Points: Panoptic Symbol Spotting via Point-based Representation [18.61469313164712]
本研究は,コンピュータ支援設計(CAD)図面におけるパノプティカルシンボルスポッティングの問題について考察する。我々は、グラフィックプリミティブを局所的に連結された2D点の集合として扱う別のアプローチをとる。具体的には、点変換器を用いて原始的な特徴を抽出し、マスク2フォルマーのようなスポッティングヘッドを付加して最終的な出力を予測する。
論文参考訳（メタデータ） (2024-01-19T08:44:52Z)
GAT-CADNet: Graph Attention Network for Panoptic Symbol Spotting in CAD Drawings [0.0]
コンピュータ支援設計(CAD)図面からグラフィカルシンボルを抽出することは、多くの産業アプリケーションにとって不可欠である。本稿では,各CAD描画をグラフとして扱うことにより,新しいグラフ注意ネットワークGAT-CADNetを提案する。提案したGAT-CADNetは直感的だが有効であり, 一つの統合ネットワークにおける汎視的シンボルスポッティング問題の解決に成功している。
論文参考訳（メタデータ） (2022-01-03T13:08:28Z)
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)
FloorPlanCAD: A Large-Scale CAD Drawing Dataset for Panoptic Symbol Spotting [38.987494792258694]
FloorPlanCADは1万以上のフロアプランを含む大規模実世界のCAD描画データセットである。グラフ畳み込みニューラルネットワーク(GCN)と畳み込みニューラルネットワーク(CNN)を組み合わせた新しい手法を提案する。提案したCNN-GCN法は意味記号スポッティングのタスクにおいて最先端(SOTA)性能を達成した。
論文参考訳（メタデータ） (2021-05-15T06:01:11Z)
Mask2CAD: 3D Shape Prediction by Learning to Segment and Retrieve [54.054575408582565]
本稿では,既存の3次元モデルの大規模データセットを活用し,画像中の物体の3次元構造を理解することを提案する。本稿では,実世界の画像と検出対象を共同で検出するMask2CADについて,最も類似したCADモデルとそのポーズを最適化する。これにより、画像内のオブジェクトのクリーンで軽量な表現が生成される。
論文参考訳（メタデータ） (2020-07-26T00:08:37Z)
Semantically Tied Paired Cycle Consistency for Any-Shot Sketch-based Image Retrieval [55.29233996427243]
ローショットスケッチに基づく画像検索はコンピュータビジョンの新たな課題である。本稿では,ゼロショットおよび少数ショットのスケッチベース画像検索(SBIR)タスクについて述べる。これらの課題を解決するために,SEM-PCYC(SEM-PCYC)を提案する。以上の結果から,Sketchy,TU-Berlin,QuickDrawのデータセットを拡張したバージョンでは,最先端の撮影性能が大幅に向上した。
論文参考訳（メタデータ） (2020-06-20T22:43:53Z)

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。