論文の概要: BRepFormer: Transformer-Based B-rep Geometric Feature Recognition

• arxiv url: http://arxiv.org/abs/2504.07378v2
• Date: Fri, 11 Apr 2025 03:08:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-14 10:55:32.132301
• Title: BRepFormer: Transformer-Based B-rep Geometric Feature Recognition
• Title（参考訳）: BRepFormer:変換器に基づくB-rep幾何学的特徴認識
• Authors: Yongkang Dai, Xiaoshui Huang, Yunpeng Bai, Hao Guo, Hongping Gan, Ling Yang, Yilei Shi,
• Abstract要約: B-repモデル上の幾何学的特徴を認識することは、マルチメディアコンテンツに基づく検索の基盤となる技術である。 本稿では,加工特徴と複雑なCADモデルの特徴の両方を認識するトランスフォーマーモデルであるBRepFormerを提案する。 BRepFormerは、MFInstSeg、MFTRCAD、および我々のCBFデータセット上で最先端の精度を達成する。
• 参考スコア（独自算出の注目度）: 14.01667117252404
• License:
• Abstract: Recognizing geometric features on B-rep models is a cornerstone technique for multimedia content-based retrieval and has been widely applied in intelligent manufacturing. However, previous research often merely focused on Machining Feature Recognition (MFR), falling short in effectively capturing the intricate topological and geometric characteristics of complex geometry features. In this paper, we propose BRepFormer, a novel transformer-based model to recognize both machining feature and complex CAD models' features. BRepFormer encodes and fuses the geometric and topological features of the models. Afterwards, BRepFormer utilizes a transformer architecture for feature propagation and a recognition head to identify geometry features. During each iteration of the transformer, we incorporate a bias that combines edge features and topology features to reinforce geometric constraints on each face. In addition, we also proposed a dataset named Complex B-rep Feature Dataset (CBF), comprising 20,000 B-rep models. By covering more complex B-rep models, it is better aligned with industrial applications. The experimental results demonstrate that BRepFormer achieves state-of-the-art accuracy on the MFInstSeg, MFTRCAD, and our CBF datasets.
• Abstract（参考訳）: B-repモデルの幾何学的特徴を認識することは、マルチメディアコンテンツに基づく検索の基盤となる技術であり、インテリジェントな製造に広く応用されている。 しかし、以前の研究ではしばしば、複雑な幾何学的特徴の複雑な位相的特徴と幾何学的特徴を効果的に捉えるのに不足している、機械的特徴認識(MFR)にのみ焦点を当てていた。 本稿では,加工特徴と複雑なCADモデルの特徴の両方を認識するトランスフォーマーモデルであるBRepFormerを提案する。 BRepFormerは、モデルの幾何学的特徴と位相的特徴を符号化し、融合する。 その後、BRepFormerは、特徴伝搬のためのトランスフォーマーアーキテクチャと、幾何学的特徴を特定するための認識ヘッドを利用する。 変換器の各イテレーションにおいて、エッジ特徴とトポロジー特徴を組み合わせて各面の幾何学的制約を強化するバイアスを組み込む。 さらに,2万のB-repモデルからなるCBF(Complex B-rep Feature Dataset)というデータセットも提案した。 より複雑なB-repモデルをカバーすることにより、産業アプリケーションとの整合性が向上する。 実験の結果, BRepFormerはMFInstSeg, MFTRCAD, 我々のCBFデータセット上で, 最先端の精度を実現することがわかった。

関連論文リスト

• Geometry Distributions [51.4061133324376]
  本稿では,分布として幾何学をモデル化する新しい幾何学的データ表現を提案する。 提案手法では,新しいネットワークアーキテクチャを用いた拡散モデルを用いて表面点分布の学習を行う。 本研究では,多種多様な対象に対して質的かつ定量的に表現を評価し,その有効性を実証した。
  論文  参考訳（メタデータ） (2024-11-25T04:06:48Z)
• R-CoT: Reverse Chain-of-Thought Problem Generation for Geometric Reasoning in Large Multimodal Models [86.06825304372613]
  本稿では,R-CoT(Reverse Chain-of-Thought)幾何問題生成パイプラインを提案する。 まず、GeoChainを導入し、高忠実度幾何画像とそれに対応する記述を生成する。 次に、記述に基づいてステップバイステップの推論を行うReverse A&Q手法を設計し、推論結果から逆の質問を生成する。
  論文  参考訳（メタデータ） (2024-10-23T13:58:39Z)
• GTA: A Geometry-Aware Attention Mechanism for Multi-View Transformers [63.41460219156508]
  既存の位置符号化方式は3次元視覚タスクに最適であると主張する。 トークンの幾何学的構造を相対変換として符号化する幾何学的注意機構を提案する。 我々は、Geometric Transform Attention (GTA) と呼ばれる、最先端のトランスフォーマーベースNVSモデルの学習効率と性能を向上させることに留意している。
  論文  参考訳（メタデータ） (2023-10-16T13:16:09Z)
• Automatic Parameterization for Aerodynamic Shape Optimization via Deep Geometric Learning [60.69217130006758]
  空力形状最適化のための形状パラメータ化を完全に自動化する2つの深層学習モデルを提案する。 どちらのモデルも、深い幾何学的学習を通じてパラメータ化し、人間の事前知識を学習された幾何学的パターンに埋め込むように最適化されている。 2次元翼の形状最適化実験を行い、2つのモデルに適用可能なシナリオについて論じる。
  論文  参考訳（メタデータ） (2023-05-03T13:45:40Z)
• Self-Supervised Representation Learning for CAD [19.5326204665895]
  本研究は,教師付き学習課題にラベルのないCAD幾何を活用することを提案する。 我々は、B-Rep幾何学のための新しい、ハイブリッドな暗黙的/明示的な表面表現を学ぶ。
  論文  参考訳（メタデータ） (2022-10-19T18:00:18Z)
• ComplexGen: CAD Reconstruction by B-Rep Chain Complex Generation [28.445041795260906]
  我々は,境界表現(B-Rep)におけるCADモデルの再構成を,異なる順序の幾何学的プリミティブの検出とみなす。 このような包括的構造をモデル化することにより,より完全かつ規則化された再構築を実現することができることを示す。
  論文  参考訳（メタデータ） (2022-05-29T05:30:33Z)
• SolidGen: An Autoregressive Model for Direct B-rep Synthesis [15.599363091502365]
  境界表現(B-rep)形式はコンピュータ支援設計(CAD)におけるデファクト形状表現である CADモデル生成への最近のアプローチは、スケッチ・アンド・エクスクルード・モデリングシーケンスの学習に焦点を当てている。 本稿では,B-repsから学習し,B-repsの合成を可能にする新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-03-26T00:00:45Z)
• Dist2Cycle: A Simplicial Neural Network for Homology Localization [66.15805004725809]
  単純複体は多方向順序関係を明示的にエンコードするグラフの高次元一般化と見なすことができる。 単体錯体の$k$-homological特徴によってパラメータ化された関数のグラフ畳み込みモデルを提案する。
  論文  参考訳（メタデータ） (2021-10-28T14:59:41Z)
• BRepNet: A topological message passing system for solid models [6.214548392474976]
  境界表現(B-rep)モデルは、コンピュータ支援設計(CAD)アプリケーションで3D形状を記述する標準的な方法です。 我々は,B-repデータ構造を直接操作するように設計されたニューラルネットワークアーキテクチャであるBRepNetを紹介する。
  論文  参考訳（メタデータ） (2021-04-01T18:16:03Z)
• Self-supervised Geometric Perception [96.89966337518854]
  自己教師付き幾何知覚(self-supervised geometric perception)は、基底幾何モデルラベルなしで対応マッチングのための特徴記述子を学ぶためのフレームワークである。 また,SGPは,地上トラスラベルを用いて訓練した教師付きオークルよりも同等か優れる最先端性能を達成できることを示す。
  論文  参考訳（メタデータ） (2021-03-04T15:34:43Z)

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。