論文の概要: BRep Boundary and Junction Detection for CAD Reverse Engineering
- arxiv url: http://arxiv.org/abs/2409.14087v1
- Date: Sat, 21 Sep 2024 09:53:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 03:44:25.321311
- Title: BRep Boundary and Junction Detection for CAD Reverse Engineering
- Title（参考訳）: CADリバースエンジニアリングのためのブレーキ境界と接合検出
- Authors: Sk Aziz Ali, Mohammad Sadil Khan, Didier Stricker,
- Abstract要約: メカニカルシステムの3次元リバースエンジニアリングは, メカニカルシステムにおいて, 極めて重要でありながら, 時間を要するステップである。
ディープラーニングに基づくScan-to-CADモデリングは、CADモデルを迅速に修正するための膨大な編集可能性を提供する。
CC3DおよびABCデータセットの3次元スキャンから教師付き境界表現(BRep)検出ネットワークBRepDetNetを提案する。
- 参考スコア（独自算出の注目度）: 14.662769071664252
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In machining process, 3D reverse engineering of the mechanical system is an integral, highly important, and yet time consuming step to obtain parametric CAD models from 3D scans. Therefore, deep learning-based Scan-to-CAD modeling can offer designers enormous editability to quickly modify CAD model, being able to parse all its structural compositions and design steps. In this paper, we propose a supervised boundary representation (BRep) detection network BRepDetNet from 3D scans of CC3D and ABC dataset. We have carefully annotated the 50K and 45K scans of both the datasets with appropriate topological relations (e.g., next, mate, previous) between the geometrical primitives (i.e., boundaries, junctions, loops, faces) of their BRep data structures. The proposed solution decomposes the Scan-to-CAD problem in Scan-to-BRep ensuring the right step towards feature-based modeling, and therefore, leveraging other existing BRep-to-CAD modeling methods. Our proposed Scan-to-BRep neural network learns to detect BRep boundaries and junctions by minimizing focal-loss and non-maximal suppression (NMS) during training time. Experimental results show that our BRepDetNet with NMS-Loss achieves impressive results.
- Abstract（参考訳）: メカニカルシステムにおける3次元リバースエンジニアリングは、3次元スキャンからパラメトリックCADモデルを得るための積分的かつ非常に重要かつ時間を要するステップである。
したがって、ディープラーニングに基づくScan-to-CADモデリングは、CADモデルを迅速に修正するための膨大な編集可能性を提供し、その構造的構成や設計手順をすべて解析することができる。
本稿では,CC3DおよびABCデータセットの3次元スキャンから,教師付き境界表現(BRep)検出ネットワークBRepDetNetを提案する。
我々は、BRepデータ構造の幾何学的プリミティブ(境界、ジャンクション、ループ、面)間の適切なトポロジ的関係(例えば、次、メイト、前)を持つ両方のデータセットの50Kと45Kスキャンを慎重に注釈付けした。
提案手法はScan-to-CAD問題をScan-to-BRepで分解し,機能ベースモデリングへの正しい一歩を確実にし,既存のBRep-to-CADモデリング手法を活用する。
提案するScan-to-BRepニューラルネットワークは,トレーニング中の焦点損失と非最大抑制(NMS)を最小限に抑えて,BRep境界とジャンクションを検出することを学習する。
実験結果から,NMS-Lossを用いたBRepDetNetは優れた結果が得られた。
関連論文リスト
- Split-and-Fit: Learning B-Reps via Structure-Aware Voronoi Partitioning [50.684254969269546]
本稿では,3次元CADモデルのバウンダリ表現(B-Reps)を取得する新しい手法を提案する。
各パーティション内に1つのプリミティブを導出するために空間分割を適用する。
我々のネットワークはニューラルなボロノイ図でNVD-Netと呼ばれ、訓練データからCADモデルのボロノイ分割を効果的に学習できることを示す。
論文 参考訳（メタデータ） (2024-06-07T21:07:49Z) - 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) - Sparse Multi-Object Render-and-Compare [33.97243145891282]
一つの画像から静的な物体の3次元形状とポーズを再構築することは、様々な産業にとって重要な課題である。
直接3D形状を予測することで、非現実的で、過度に滑らかになったり、刻まれた形になる。
CADモデルを取得することで、現実的な形状が保証されるが、堅牢で正確なアライメントが必要である。
論文 参考訳（メタデータ） (2023-10-17T12:01:32Z) - 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) - CADOps-Net: Jointly Learning CAD Operation Types and Steps from
Boundary-Representations [17.051792180335354]
本稿では,CADの動作タイプと異なるCAD動作ステップへの分解を共同で学習する,新しいディープニューラルネットワークCADOps-Netを提案する。
既存のデータセットと比較して、CC3D-Opsモデルの複雑さと多様性は、産業目的で使用されるものに近い。
論文 参考訳（メタデータ） (2022-08-22T19:12:20Z) - Weakly-Supervised End-to-End CAD Retrieval to Scan Objects [25.41908065938424]
本稿では,意味的および構造的に類似したCADモデルをクエリ3Dスキャンシーンに検索する手法を提案する。
提案手法では,トップモデルとスキャンクエリとの幾何的および知覚的類似性により,エンド・ツー・エンドのトレーニングを可能にする。
論文 参考訳（メタデータ） (2022-03-24T06:30:47Z) - 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) - RandomRooms: Unsupervised Pre-training from Synthetic Shapes and
Randomized Layouts for 3D Object Detection [138.2892824662943]
有望な解決策は、CADオブジェクトモデルで構成される合成データセットをよりよく利用して、実際のデータセットでの学習を促進することである。
最近の3次元事前学習の研究は、合成物体から他の実世界の応用へ学習した伝達特性が失敗することを示している。
本研究では,この目的を達成するためにRandomRoomsという新しい手法を提案する。
論文 参考訳（メタデータ） (2021-08-17T17:56:12Z) - CAPRI-Net: Learning Compact CAD Shapes with Adaptive Primitive Assembly [17.82598676258891]
3Dコンピュータ支援設計(CAD)モデルのコンパクトで解釈可能な暗黙表現を学習するためのニューラルネットワークCAPRI-Netを紹介します。
当社のネットワークは、ポイントクラウドまたはボキセルグリッドとして提供できる入力3D形状を取り、四面プリミティブのコンパクトなアセンブリによってそれを再構築します。
本研究では,これまでで最大かつ多種多様なCADデータセットであるShapeNetとABCの学習フレームワークを,再構築品質,形状エッジ,コンパクト性,解釈可能性の観点から評価した。
論文 参考訳（メタデータ） (2021-04-12T17:21:19Z) - From Points to Multi-Object 3D Reconstruction [71.17445805257196]
単一のRGB画像から複数の3Dオブジェクトを検出し再構成する方法を提案する。
キーポイント検出器は、オブジェクトを中心点としてローカライズし、9-DoF境界ボックスや3D形状を含む全てのオブジェクト特性を直接予測する。
提示されたアプローチは、軽量な再構築を単一ステージで実行し、リアルタイム能力を持ち、完全に微分可能で、エンドツーエンドのトレーナーブルである。
論文 参考訳（メタデータ） (2020-12-21T18:52:21Z) - 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)
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。