Fugu-MT 論文翻訳(概要): Query2CAD: Generating CAD models using natural language queries

論文の概要: Query2CAD: Generating CAD models using natural language queries

arxiv url: http://arxiv.org/abs/2406.00144v1
Date: Fri, 31 May 2024 19:17:00 GMT
ステータス: 処理完了
システム内更新日: 2024-06-06 08:23:48.027419
Title: Query2CAD: Generating CAD models using natural language queries
Title（参考訳）: Query2CAD:自然言語クエリを用いたCADモデルの生成
Authors: Akshay Badagabettu, Sai Sravan Yarlagadda, Amir Barati Farimani,
Abstract要約: 本稿では,CAD設計のための新しいフレームワークであるQuery2CADを紹介する。このフレームワークは大きな言語モデルを使用して実行可能なCADマクロを生成する。 Query2CADは、LLMをジェネレータと精錬器の両方として使用して、教師付きデータや追加のトレーニングなしで動作する。
参考スコア（独自算出の注目度）: 6.349503549199403
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Computer Aided Design (CAD) engineers typically do not achieve their best prototypes in a single attempt. Instead, they iterate and refine their designs to achieve an optimal solution through multiple revisions. This traditional approach, though effective, is time-consuming and relies heavily on the expertise of skilled engineers. To address these challenges, we introduce Query2CAD, a novel framework to generate CAD designs. The framework uses a large language model to generate executable CAD macros. Additionally, Query2CAD refines the generation of the CAD model with the help of its self-refinement loops. Query2CAD operates without supervised data or additional training, using the LLM as both a generator and a refiner. The refiner leverages feedback generated by the BLIP2 model, and to address false negatives, we have incorporated human-in-the-loop feedback into our system. Additionally, we have developed a dataset that encompasses most operations used in CAD model designing and have evaluated our framework using this dataset. Our findings reveal that when we used GPT-4 Turbo as our language model, the architecture achieved a success rate of 53.6\% on the first attempt. With subsequent refinements, the success rate increased by 23.1\%. In particular, the most significant improvement in the success rate was observed with the first iteration of the refinement. With subsequent refinements, the accuracy of the correct designs did not improve significantly. We have open-sourced our data, model, and code (github.com/akshay140601/Query2CAD).
Abstract（参考訳）: CAD(Computer Aided Design)エンジニアは、単一の試みで最高のプロトタイプを達成できないのが普通である。代わりに、複数のリビジョンを通じて最適な解決策を達成するために、設計を反復して洗練する。従来のアプローチは効果的ですが、時間がかかり、熟練したエンジニアの専門知識に大きく依存しています。これらの課題に対処するために,CAD設計を生成する新しいフレームワークであるQuery2CADを紹介した。このフレームワークは大きな言語モデルを使用して実行可能なCADマクロを生成する。さらに、Query2CADは自己精製ループの助けを借りてCADモデルの生成を洗練します。 Query2CADは、LLMをジェネレータと精錬器の両方として使用して、教師付きデータや追加のトレーニングなしで動作する。本手法では,BLIP2モデルによって生成されたフィードバックを活用し,偽陰性に対処するため,本システムにヒューマン・イン・ザ・ループ・フィードバックを組み込んだ。さらに,CADモデル設計に使用される操作の大部分を包含するデータセットを開発し,本データセットを用いてフレームワークの評価を行った。その結果, GPT-4 Turbo を言語モデルとして用いた場合, 最初の試みで 53.6 % の成功率を達成した。その後の改良により、成功率は23.1\%上昇した。特に、改良の最初のイテレーションで、成功率の最も重要な改善が観察された。その後の改良により、正確な設計の精度は向上しなかった。我々は、データ、モデル、コード(github.com/akshay140601/Query2CAD)をオープンソース化しました。

関連論文リスト

Text2CAD: Text to 3D CAD Generation via Technical Drawings [45.3611544056261]
Text2CADは、生成プロセスを自動化するために調整された安定した拡散モデルを利用する新しいフレームワークである。テキスト2CADは,高品質な3次元CADモデルに正確に変換された技術図面を効果的に生成することを示す。
論文参考訳（メタデータ） (2024-11-09T15:12:06Z)
CAD-MLLM: Unifying Multimodality-Conditioned CAD Generation With MLLM [39.113795259823476]
マルチモーダル入力に条件付きパラメトリックCADモデルを生成可能な最初のシステムであるCAD-MLLMを導入する。先進的な大規模言語モデル (LLM) を用いて,多様なマルチモーダルデータとCADモデルのベクトル化表現に特徴空間を整合させる。得られたデータセットはOmni-CADと呼ばれ、CADモデル毎にテキスト記述、多視点画像、ポイント、コマンドシーケンスを含む最初のマルチモーダルCADデータセットである。
論文参考訳（メタデータ） (2024-11-07T18:31:08Z)
OpenECAD: An Efficient Visual Language Model for Editable 3D-CAD Design [1.481550828146527]
OpenECADモデル(0.55B, 0.89B, 2.4B, 3.1B)を作成するための事前学習モデルの微調整を行った。 OpenECADモデルは、入力として3Dデザインの画像を処理することができ、高度に構造化された2Dスケッチと3D構築コマンドを生成する。これらの出力は、プロジェクトファイルを生成するために既存のCADツールのAPIで直接使用することができる。
論文参考訳（メタデータ） (2024-06-14T10:47:52Z)
Self-supervised Graph Neural Network for Mechanical CAD Retrieval [29.321027284348272]
GC-CADは、機械的CAD検索のための、自己教師付きコントラストグラフニューラルネットワークに基づく手法である。提案手法は, 精度を向上し, ベースライン法よりも100倍の効率向上を実現している。
論文参考訳（メタデータ） (2024-06-13T06:56:49Z)
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)
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)
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)
Using Machine Learning to Predict Engineering Technology Students' Success with Computer Aided Design [50.591267188664666]
機械学習技術と組み合わせたデータによって、特定の学生がデザインタスクでどれだけうまく機能するかを予測する方法を示す。初期設計シーケンスアクションを用いたモデルは,特に予測に有用であることが判明した。これらのモデルをさらに改善することで、事前の予測が得られ、学生のフィードバックがより早く得られるようになり、学習が向上する可能性がある。
論文参考訳（メタデータ） (2021-08-12T20:24:54Z)
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。