Fugu-MT 論文翻訳(概要): GenCAD: Image-Conditioned Computer-Aided Design Generation with Transformer-Based Contrastive Representation and Diffusion Priors

論文の概要: GenCAD: Image-Conditioned Computer-Aided Design Generation with Transformer-Based Contrastive Representation and Diffusion Priors

arxiv url: http://arxiv.org/abs/2409.16294v1
Date: Sun, 8 Sep 2024 23:49:11 GMT
ステータス: 処理完了
システム内更新日: 2024-09-27 09:03:58.506554
Title: GenCAD: Image-Conditioned Computer-Aided Design Generation with Transformer-Based Contrastive Representation and Diffusion Priors
Title（参考訳）: GenCAD:画像記述型コンピュータ支援デザインジェネレーション変換器によるコントラスト表現と拡散先行
Authors: Md Ferdous Alam, Faez Ahmed
Abstract要約: GenCADは画像入力をパラメトリックCADコマンドシーケンスに変換する生成モデルである。生成した3次元形状の精度と変調性の観点から、既存の最先端手法を著しく上回っている。
参考スコア（独自算出の注目度）: 4.485378844492069
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The creation of manufacturable and editable 3D shapes through Computer-Aided Design (CAD) remains a highly manual and time-consuming task, hampered by the complex topology of boundary representations of 3D solids and unintuitive design tools. This paper introduces GenCAD, a generative model that employs autoregressive transformers and latent diffusion models to transform image inputs into parametric CAD command sequences, resulting in editable 3D shape representations. GenCAD integrates an autoregressive transformer-based architecture with a contrastive learning framework, enhancing the generation of CAD programs from input images and providing a representation learning framework for multiple data modalities relevant to engineering designs. Extensive evaluations demonstrate that GenCAD significantly outperforms existing state-of-the-art methods in terms of the precision and modifiability of generated 3D shapes. Notably, GenCAD shows a marked improvement in the accuracy of 3D shape generation for long sequences, supporting its application in complex design tasks. Additionally, the contrastive embedding feature of GenCAD facilitates the retrieval of CAD models using image queries from databases which is a critical challenge within the CAD community. While most work in the 3D shape generation literature focuses on representations like meshes, voxels, or point clouds, practical engineering applications demand modifiability and the ability for multi-modal conditional generation. Our results provide a significant step forward in this direction, highlighting the potential of generative models to expedite the entire design-to-production pipeline and seamlessly integrate different design modalities.
Abstract（参考訳）: CAD(Computer-Aided Design)による製造可能で編集可能な3D形状の作成は,3Dソリッドと非直感的デザインツールの境界表現の複雑なトポロジによって妨げられる,手作業と時間を要する作業であり続けている。本稿では,自己回帰変換器と潜時拡散モデルを用いて画像入力をパラメトリックCADコマンドシーケンスに変換する生成モデルGenCADを紹介する。 GenCADは、自己回帰トランスフォーマーベースのアーキテクチャとコントラスト学習フレームワークを統合し、入力画像からのCADプログラム生成を強化し、エンジニアリング設計に関連する複数のデータモダリティのための表現学習フレームワークを提供する。広範囲な評価の結果,GenCADは既存の最先端手法よりも,生成した3次元形状の精度と修正性において優れていた。特に、GenCADは、長いシーケンスの3次元形状生成の精度を著しく向上させ、複雑な設計タスクにおけるその応用をサポートする。さらに、GenCADの対照的な埋め込み機能により、CADコミュニティにおいて重要な課題であるデータベースからの画像クエリを用いたCADモデルの検索が容易になる。 3D形状生成文学におけるほとんどの研究はメッシュ、ボクセル、ポイントクラウドなどの表現に焦点を当てているが、実用的なエンジニアリングアプリケーションは、モジュラビリティとマルチモーダル条件生成の能力を必要としている。我々の結果は、この方向への大きな一歩を踏み出し、生成モデルの可能性を浮き彫りにして、設計から運用までのパイプライン全体を迅速化し、異なる設計モダリティをシームレスに統合する。

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)
Img2CAD: Reverse Engineering 3D CAD Models from Images through VLM-Assisted Conditional Factorization [12.12975824816803]
画像からのリバースエンジニアリング3Dコンピュータ支援設計(CAD)モデルは、多くのダウンストリームアプリケーションにとって重要な課題である。本研究では,タスクを2つのサブプロブレムに条件付き分解する手法を提案する。本稿では,連続的な属性値を予測する意味を持つ離散構造を条件としたTrAssemblerを提案する。
論文参考訳（メタデータ） (2024-07-19T06:53:30Z)
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)
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)
Pushing Auto-regressive Models for 3D Shape Generation at Capacity and Scalability [118.26563926533517]
自己回帰モデルでは,格子空間における関節分布をモデル化することにより,2次元画像生成において顕著な結果が得られた。自動回帰モデルを3次元領域に拡張し,キャパシティとスケーラビリティを同時に向上することにより,3次元形状生成の強力な能力を求める。
論文参考訳（メタデータ） (2024-02-19T15:33:09Z)
Pushing the Limits of 3D Shape Generation at Scale [65.24420181727615]
我々は、前例のない次元に拡大することで、3次元形状生成において画期的なブレークスルーを示す。現在までに最大の3次元形状生成モデルとしてArgus-3Dが確立されている。
論文参考訳（メタデータ） (2023-06-20T13:01:19Z)
Learning Versatile 3D Shape Generation with Improved AR Models [91.87115744375052]
自己回帰(AR)モデルはグリッド空間の関節分布をモデル化することにより2次元画像生成において印象的な結果を得た。本稿では3次元形状生成のための改良された自己回帰モデル(ImAM)を提案する。
論文参考訳（メタデータ） (2023-03-26T12:03:18Z)
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)
DeepCAD: A Deep Generative Network for Computer-Aided Design Models [37.655225142981564]
形状をコンピュータ支援設計(CAD)操作のシーケンスとして記述した形状表現の3次元生成モデルについて述べる。 CAD操作と自然言語の類似性について,トランスフォーマーに基づくCAD生成ネットワークを提案する。
論文参考訳（メタデータ） (2021-05-20T03:29:18Z)
CAD-Deform: Deformable Fitting of CAD Models to 3D Scans [30.451330075135076]
本稿では,検索したCADモデルを用いて,より高精度なCAD-to-Scanマッチングを実現するCAD-Deformを提案する。一連の実験により,本手法はより厳密なスキャン・トゥ・CAD適合性を実現し,スキャンした実環境のより正確なデジタル複製を可能にした。
論文参考訳（メタデータ） (2020-07-23T12:30:20Z)

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。