論文の概要: A Set-based Approach for Feature Extraction of 3D CAD Models

• arxiv url: http://arxiv.org/abs/2406.18543v1
• Date: Wed, 22 May 2024 05:43:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-01 06:12:00.606419
• Title: A Set-based Approach for Feature Extraction of 3D CAD Models
• Title（参考訳）: 3次元CADモデルの特徴抽出のためのセットベースアプローチ
• Authors: Peng Xu, Qi Gao, Ying-Jie Wu,
• Abstract要約: 本報告では,不確実性問題に対処するセットベース特徴抽出手法を提案する。 正確な特徴値を求める既存の手法とは異なり,本手法は幾何学的情報の不確実性を特徴グラフの集合に変換することを目的としている。 提案手法の有効性を示すために,C++ と UG/Open を用いて特徴抽出システムをプログラムする。
• 参考スコア（独自算出の注目度）: 8.707056631060729
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Feature extraction is a critical technology to realize the automatic transmission of feature information throughout product life cycles. As CAD models primarily capture the 3D geometry of products, feature extraction heavily relies on geometric information. However, existing feature extraction methods often yield inaccurate outcomes due to the diverse interpretations of geometric information. This report presents a set-based feature extraction approach to address this uncertainty issue. Unlike existing methods that seek accurate feature results, our approach aims to transform the uncertainty of geometric information into a set of feature subgraphs. First, we define the convexity of basic geometric entities and introduce the concept of two-level attributed adjacency graphs. Second, a feature extraction workflow is designed to determine feature boundaries and identify feature subgraphs from CAD models. This set of feature subgraphs can be used for further feature recognition. A feature extraction system is programmed using C++ and UG/Open to demonstrate the feasibility of our proposed approach.
• Abstract（参考訳）: 特徴抽出は製品ライフサイクルを通して特徴情報の自動伝達を実現する重要な技術である。 CADモデルは製品の3次元幾何学を主に捉えているため、特徴抽出は幾何学的情報に大きく依存している。 しかし,既存の特徴抽出手法は,幾何学的情報の多様さによる不正確な結果をもたらすことが多い。 本報告では,この不確実性問題に対処するために,セットベースの特徴抽出手法を提案する。 正確な特徴値を求める既存の手法とは異なり,本手法は幾何学的情報の不確実性を特徴グラフの集合に変換することを目的としている。 まず、基本的な幾何学的実体の凸性を定義し、二段階の属性付隣接グラフの概念を導入する。 第二に、特徴抽出ワークフローは、特徴境界を決定し、CADモデルから特徴部分グラフを特定するように設計されている。 この一連の機能サブグラフは、さらなる機能認識に使用することができる。 提案手法の有効性を示すために,C++ と UG/Open を用いて特徴抽出システムをプログラムする。

関連論文リスト

• 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)
• ParaPoint: Learning Global Free-Boundary Surface Parameterization of 3D Point Clouds [52.03819676074455]
  ParaPointは、グローバルな自由境界面パラメータ化を実現するための教師なしのニューラルネットワークパイプラインである。 この研究は、グローバルマッピングと自由境界の両方を追求するニューラルポイントクラウドパラメータ化を調査する最初の試みである。
  論文  参考訳（メタデータ） (2024-03-15T14:35:05Z)
• Back to 3D: Few-Shot 3D Keypoint Detection with Back-Projected 2D Features [64.39691149255717]
  3次元形状のキーポイント検出には意味的および幾何学的認識が必要である。 我々はキーポイント候補最適化モジュールを用いて,その形状上のキーポイントの平均分布を一致させる。 結果として得られたアプローチは、KeyPointNetデータセットで数ショットのキーポイント検出のための新しい状態を実現する。
  論文  参考訳（メタデータ） (2023-11-29T21:58:41Z)
• Human as Points: Explicit Point-based 3D Human Reconstruction from Single-view RGB Images [78.56114271538061]
  我々はHaPと呼ばれる明示的なポイントベース人間再構築フレームワークを導入する。 提案手法は,3次元幾何学空間における完全明示的な点雲推定,操作,生成,洗練が特徴である。 我々の結果は、完全に明示的で幾何学中心のアルゴリズム設計へのパラダイムのロールバックを示すかもしれない。
  論文  参考訳（メタデータ） (2023-11-06T05:52:29Z)
• Parametric Depth Based Feature Representation Learning for Object Detection and Segmentation in Bird's Eye View [44.78243406441798]
  本稿では,このような特徴変換をモデル化するために,深度などの幾何学的情報を活用することに焦点を当てる。 まず2次元画像の特徴を,各ビューの画素ごとのパラメトリック深度分布を予測して,エゴ車に定義された3次元空間に引き上げる。 次に、深度からBEVフレームへの3次元空間占有度に基づいて、3次元特徴体積を集約する。
  論文  参考訳（メタデータ） (2023-07-09T06:07:22Z)
• OriCon3D: Effective 3D Object Detection using Orientation and Confidence [0.0]
  1つの画像から3次元物体を検出するための高度な手法を提案する。 我々は、深層畳み込みニューラルネットワークに基づく3Dオブジェクト重み付け指向回帰パラダイムを用いる。 提案手法は, 3次元オブジェクトのポーズ決定の精度を大幅に向上し, ベースライン法を超越した。
  論文  参考訳（メタデータ） (2023-04-27T19:52:47Z)
• 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)
• DEF: Deep Estimation of Sharp Geometric Features in 3D Shapes [43.853000396885626]
  サンプル3次元形状のシャープな幾何学的特徴を予測するための学習ベースフレームワークを提案する。 個々のパッチの結果を融合させることで、既存のデータ駆動方式では処理できない大きな3Dモデルを処理できる。
  論文  参考訳（メタデータ） (2020-11-30T18:21:00Z)
• Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
  本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。 提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。 メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
  論文  参考訳（メタデータ） (2020-10-23T14:49:02Z)
• PAM:Point-wise Attention Module for 6D Object Pose Estimation [2.4815579733050153]
  6次元ポーズ推定は3次元回転と3次元変換の物体認識と推定を指す。 従来の手法では、精細化の過程で深度情報を利用したり、各データ空間で特徴を抽出するための異種アーキテクチャとして設計されていた。 本稿では,RGB-Dから効率よく強力な特徴を抽出できるポイントアテンションモジュールを提案する。
  論文  参考訳（メタデータ） (2020-08-12T11:29:48Z)
• Geometric Attention for Prediction of Differential Properties in 3D Point Clouds [32.68259334785767]
  本研究では,このような特性を学習可能な方法で提供できる幾何学的注意機構を提案する。 本研究では,正規ベクトルの予測と特徴線の抽出に関する実験により,提案手法の有用性を確立した。
  論文  参考訳（メタデータ） (2020-07-06T07:40:26Z)

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。