論文の概要: PICASSO: A Feed-Forward Framework for Parametric Inference of CAD Sketches via Rendering Self-Supervision
- arxiv url: http://arxiv.org/abs/2407.13394v1
- Date: Thu, 18 Jul 2024 11:02:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-19 15:40:38.476262
- Title: PICASSO: A Feed-Forward Framework for Parametric Inference of CAD Sketches via Rendering Self-Supervision
- Title(参考訳): PICASSO:Rendering Self-SupervisionによるCADスケッチのパラメトリック推論のためのフィードフォワードフレームワーク
- Authors: Ahmet Serdar Karadeniz, Dimitrios Mallis, Nesryne Mejri, Kseniya Cherenkova, Anis Kacem, Djamila Aouada,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 12.644368401427135
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We propose PICASSO, a novel framework CAD sketch parameterization from hand-drawn or precise sketch images via rendering self-supervision. Given a drawing of a CAD sketch, the proposed framework turns it into parametric primitives that can be imported into CAD software. Compared to existing methods, PICASSO enables the learning of parametric CAD sketches from either precise or hand-drawn sketch images, even in cases where annotations at the parameter level are scarce or unavailable. This is achieved by leveraging the geometric characteristics of sketches as a learning cue to pre-train a CAD parameterization network. Specifically, PICASSO comprises two primary components: (1) a Sketch Parameterization Network (SPN) that predicts a series of parametric primitives from CAD sketch images, and (2) a Sketch Rendering Network (SRN) that renders parametric CAD sketches in a differentiable manner. SRN facilitates the computation of a image-to-image loss, which can be utilized to pre-train SPN, thereby enabling zero- and few-shot learning scenarios for the parameterization of hand-drawn sketches. Extensive evaluation on the widely used SketchGraphs dataset validates the effectiveness of the proposed framework.
- Abstract(参考訳): PICASSOは,手書きあるいは精密なスケッチ画像からのCADスケッチパラメータ化のための新しいフレームワークである。
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。
既存の手法と比較して、PICASSOはパラメータレベルのアノテーションが不足している場合や利用できない場合であっても、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スケッチを学習することができる。
これはCADパラメータ化ネットワークを事前学習するための学習キューとしてスケッチの幾何学的特性を活用することで達成される。
具体的には、(1)CADスケッチ画像から一連のパラメトリックプリミティブを予測するSketch Parameterization Network(SPN)と、(2)CADスケッチを異なる方法で描画するSketch Rendering Network(SRN)の2つの主要コンポーネントから構成される。
SRNは画像と画像の損失の計算を容易にし、SPNの事前訓練に利用できるので、手書きスケッチのパラメータ化のためのゼロと少数ショットの学習シナリオを可能にする。
広く使われているSketchGraphsデータセットの大規模な評価は、提案フレームワークの有効性を検証する。
関連論文リスト
- SwiftSketch: A Diffusion Model for Image-to-Vector Sketch Generation [57.47730473674261]
我々は,画像条件付きベクトルスケッチ生成モデルであるSwiftSketchを紹介した。
SwiftSketchは、ガウス分布からサンプリングされたストローク制御ポイントを段階的に復調することによって動作する。
ControlSketchは、深度認識制御ネットを通じて正確な空間制御を組み込むことで、SDSベースの技術を強化する方法である。
論文 参考訳(メタデータ) (2025-02-12T18:57:12Z) - DAVINCI: A Single-Stage Architecture for Constrained CAD Sketch Inference [12.644368401427135]
DAVINCIは、CAD(Computer-Aided Design)スケッチパラメータ化と制約推論のための統一アーキテクチャである。
DAVINCIは、両方の出力を共同で学習することにより、エラーの蓄積を最小限に抑え、制約付きCADスケッチ推論の性能を向上させる。
DAVINCIは大規模なSketchGraphsデータセットで最先端の結果を達成する。
論文 参考訳(メタデータ) (2024-10-30T09:42:47Z) - 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) - PPI-NET: End-to-End Parametric Primitive Inference [24.31083483088741]
工学の応用では、線、円、弧、点を総称してプリミティブと呼ぶ。
本稿では,手書きスケッチ画像からパラメトリックプリミティブを推定するための,効率的かつ高精度なエンドツーエンド手法を提案する。
論文 参考訳(メタデータ) (2023-08-03T03:50:49Z) - 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) - Make Your Brief Stroke Real and Stereoscopic: 3D-Aware Simplified Sketch
to Portrait Generation [51.64832538714455]
既存の研究は2次元平面の像のみを固定ビューで生成し、その結果を鮮明にしない。
本稿では立体視による簡易スケッチ・トゥ・ポートレート(SSSP)について述べる。
我々の重要な洞察は、三面体ベースの3D認識生成モデルの事前知識を十分に活用できるスケッチ認識制約を設計することである。
論文 参考訳(メタデータ) (2023-02-14T06:28:42Z) - Reconstructing editable prismatic CAD from rounded voxel models [16.03976415868563]
この課題を解決するために,新しいニューラルネットワークアーキテクチャを導入する。
本手法は形状を分解することでボクセル空間の入力幾何を再構成する。
推論の際には,まず2次元制約付きスケッチのデータベースを検索し,CADデータを取得する。
論文 参考訳(メタデータ) (2022-09-02T16:44:10Z) - Vitruvion: A Generative Model of Parametric CAD Sketches [22.65229769427499]
本稿では,パラメトリックCADスケッチの生成モデルを提案する。
我々のモデルは、SketchGraphsデータセットから実世界のデザインを訓練し、スケッチをプリミティブのシーケンスとして自動回帰的に合成する。
我々は、部分スケッチ(プライマー)や手描きスケッチのイメージなど、様々な文脈でモデルを条件付けする。
論文 参考訳(メタデータ) (2021-09-29T01:02:30Z) - 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) - Cloud2Curve: Generation and Vectorization of Parametric Sketches [109.02932608241227]
スケーラブルな高分解能ベクトルスケッチ生成モデルであるCloud2Curveを提案する。
我々はQuick, Draw!でモデルの生成とベクトル化能力を評価する。
そしてKMNISTデータセット。
論文 参考訳(メタデータ) (2021-03-29T12:09:42Z) - Sketch-BERT: Learning Sketch Bidirectional Encoder Representation from
Transformers by Self-supervised Learning of Sketch Gestalt [125.17887147597567]
我々は、トランスフォーマー(Sketch-BERT)からのSketch BiBERT表現の学習モデルを提案する。
BERTをドメインのスケッチに一般化し、新しいコンポーネントと事前学習アルゴリズムを提案する。
Sketch-BERTの学習表現は,スケッチ認識,スケッチ検索,スケッチゲットといった下流タスクの性能向上に有効であることを示す。
論文 参考訳(メタデータ) (2020-05-19T01:35:44Z)
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。