論文の概要: AR Glulam: Accurate Augmented Reality Using Multiple Fiducial Markers for Glulam Fabrication

• arxiv url: http://arxiv.org/abs/2502.08566v1
• Date: Wed, 12 Feb 2025 16:56:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-13 13:44:44.127234
• Title: AR Glulam: Accurate Augmented Reality Using Multiple Fiducial Markers for Glulam Fabrication
• Title（参考訳）: ARグルラム:複数のフィデューシャルマーカーを用いた正確な拡張現実によるグルラム生成
• Authors: Alexander Htet Kyaw, Arvin Xu, Sasa Zivkovic, Gwyllim Jahn, Cameron Newnham, Nick Van Den Berg,
• Abstract要約: 本研究の目的は,複数のフィデューシャルマーカーを用いた高精度AR製造の産業的応用を探求することである。 本論文は, 産業界企業であるウナラムファクトリーとの工場環境でのグルラムビーム製造に焦点を当てた。
• 参考スコア（独自算出の注目度）: 37.69303106863453
• License:
• Abstract: Recent advancements in Augmented Reality (AR) have demonstrated applications in architecture, design, and fabrication. Compared to conventional 2D construction drawings, AR can be used to superimpose contextual instructions, display 3D spatial information and enable on-site engagement. Despite the potential of AR, the widespread adoption of the technology in the industry is limited by its precision. Precision is important for projects requiring strict construction tolerances, design fidelity, and fabrication feedback. For example, the manufacturing of glulam beams requires tolerances of less than 2mm. The goal of this project is to explore the industrial application of using multiple fiducial markers for high-precision AR fabrication. While the method has been validated in lab settings with a precision of 0.97, this paper focuses on fabricating glulam beams in a factory setting with an industry manufacturer, Unalam Factory.
• Abstract（参考訳）: Augmented Reality(AR)の最近の進歩は、アーキテクチャ、設計、製造における応用を実証している。 従来の2次元構築図と比較して、ARは文脈的指示を重畳し、3次元空間情報を表示し、現場でのエンゲージメントを可能にする。 ARの可能性にもかかわらず、業界における技術の普及は、その正確さによって制限されている。 精密性は、厳格な建設許容度、設計の忠実さ、製造フィードバックを必要とするプロジェクトにとって重要である。 例えば、グルラムビームの製造には2mm未満の耐久性が必要である。 本研究の目的は,複数のフィデューシャルマーカーを用いた高精度AR製造の産業的応用を探求することである。 本手法は実験室で精度0.97の精度で検証されているが, 本論文では, 製造元であるウナラム工場との工場環境でのグルラムビーム製造に焦点を当てた。

関連論文リスト

• CONSTRUCTA: Automating Commercial Construction Schedules in Fabrication Facilities with Large Language Models [9.419063976761175]
  本稿では,半導体製造などの複雑なプロジェクトにおいて,LCMを活用して構築スケジュールを最適化する新しいフレームワークを提案する。 ConSTRUCTAは,(1)静的なRAGを通して構築固有の知識を統合すること,(2)アーキテクチャの専門知識にインスパイアされたコンテキストサンプリング技術を用いて関連するインプットを提供すること,(3)スケジュールを専門家の好みに合わせるために構築DPOを配置すること,といった課題に対処する。
  論文  参考訳（メタデータ） (2025-02-17T17:35:42Z)
• Proc-GS: Procedural Building Generation for City Assembly with 3D Gaussians [65.09942210464747]
  資産の創出は労働集約的であり、設計ルールを開発するには専門的なスキルが必要である。 作成のための最近の生成モデルは、しばしばこれらのパターンを見落とし、視覚的忠実度が低く、スケーラビリティが制限される。 手続き的なコードを操作することで、このプロセスを合理化し、無限に多様な建物を生成することができます。
  論文  参考訳（メタデータ） (2024-12-10T16:45:32Z)
• IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
  ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。 本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
  論文  参考訳（メタデータ） (2024-04-23T13:38:01Z)
• Detection and Pose Estimation of flat, Texture-less Industry Objects on HoloLens using synthetic Training [0.0]
  現在の最先端の6dポーズ推定は、エッジデバイスにデプロイするには計算集約的すぎる。 本稿では,クライアントサーバをベースとした拡張現実アプリケーションを提案する。
  論文  参考訳（メタデータ） (2024-02-07T15:57:28Z)
• EasyHeC: Accurate and Automatic Hand-eye Calibration via Differentiable Rendering and Space Exploration [49.90228618894857]
  我々は、マーカーレスでホワイトボックスであり、より優れた精度とロバスト性を提供するEasyHeCと呼ばれる手眼校正の新しいアプローチを導入する。 我々は,2つの重要な技術 – レンダリングベースのカメラポーズの最適化と整合性に基づく共同空間探索 – を利用することを提案する。 本評価は,合成および実世界のデータセットにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-02T03:49:54Z)
• CAD2Render: A Modular Toolkit for GPU-accelerated Photorealistic Synthetic Data Generation for the Manufacturing Industry [0.0]
  本稿では, Unity High Definition Render Pipeline (HDRP)に基づくGPUアクセラレーション型合成データ生成装置CAD2Renderを紹介する。 CAD2Renderはモジュラー方式でバリエーションを追加するように設計されており、高度にカスタマイズ可能なデータ生成を可能にする。 提案手法により生成されたデータは,ロボットの指示に十分な精度で物体検出と推定モデルを訓練するために利用できることを示す。
  論文  参考訳（メタデータ） (2022-11-25T12:17:35Z)
• LaMAR: Benchmarking Localization and Mapping for Augmented Reality [80.23361950062302]
  異種ARデバイスでキャプチャされたリアルな軌跡とセンサストリームを共登録する,包括的キャプチャとGTパイプラインを備えた新しいベンチマークであるLaMARを紹介する。 私たちは、ヘッドマウントとハンドヘルドARデバイスで記録された多様な大規模シーンのベンチマークデータセットを公開します。
  論文  参考訳（メタデータ） (2022-10-19T17:58:17Z)
• PATO: Producibility-Aware Topology Optimization using Deep Learning for Metal Additive Manufacturing [2.57172274875712]
  金属添加物製造(AM)を用いて作製した部品の設計空間を効率的に探索するためのPATO-a Producibility-Aware Topology Optimization (TO) フレームワークを提案する。 我々は、深部畳み込みニューラルネットワークの現在の進歩を活用し、注意に基づくU-Netアーキテクチャに基づく高忠実な代理モデルを示し、最大せん断ひずみ指数(MSSI)を予測する。 提案手法の有効性を3次元のベンチマークと実験による検証により検証した。
  論文  参考訳（メタデータ） (2021-12-08T19:52:24Z)
• Modeling and Optimizing Laser-Induced Graphene [59.8912133964006]
  レーザ誘起グラフェンの生成の最適化を記述したデータセットを提供する。 提供するデータセットに基づいて,3つの課題を提起します。 興味のあるユーザにとっての出発点として、図解的な結果と、それらを生成するためのコードを提示します。
  論文  参考訳（メタデータ） (2021-07-29T18:08:24Z)

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。