論文の概要: Point2Primitive: CAD Reconstruction from Point Cloud by Direct Primitive Prediction
- arxiv url: http://arxiv.org/abs/2505.02043v2
- Date: Tue, 20 May 2025 14:23:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-21 19:22:16.859721
- Title: Point2Primitive: CAD Reconstruction from Point Cloud by Direct Primitive Prediction
- Title（参考訳）: ポイント2プリミティブ:直接原始予測による点雲からのCAD再構成
- Authors: Cheng Wang, Xinzhu Ma, Bin Wang, Shixiang Tang, Yuan Meng, Ping Jiang,
- Abstract要約: 入力点雲から編集可能なCADモデルを生成するCAD再構成ネットワーク(Point2Primitive)を提案する。
Point2Primitiveは、改良された変換器に基づいて、ポイントクラウドからスケッチ曲線(型とパラメータ)を直接検出し、予測することができる。
- 参考スコア（独自算出の注目度）: 21.252463825836497
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recovering CAD models from point clouds, especially the sketch-extrusion process, can be seen as the process of rebuilding the topology and extrusion primitives. Previous methods utilize implicit fields for sketch representation, leading to shape reconstruction of curved edges. In this paper, we proposed a CAD reconstruction network that produces editable CAD models from input point clouds (Point2Primitive) by directly predicting every element of the extrusion primitives. Point2Primitive can directly detect and predict sketch curves (type and parameter) from point clouds based on an improved transformer. The sketch curve parameters are formulated as position queries and optimized in an autoregressive way, leading to high parameter accuracy. The topology is rebuilt by extrusion segmentation, and each extrusion parameter (sketch and extrusion operation) is recovered by combining the predicted curves and the computed extrusion operation. Extensive experiments demonstrate that our method is superior in primitive prediction accuracy and CAD reconstruction. The reconstructed shapes are of high geometrical fidelity.
- Abstract（参考訳）: 点雲、特にスケッチ・エクストルージョン・プロセスからCADモデルを復元することは、トポロジとエクストルージョンプリミティブを再構築するプロセスと見なすことができる。
それまでの方法はスケッチ表現に暗黙の場を利用するため、湾曲したエッジの形状再構成に繋がった。
本稿では,押出プリミティブのすべての要素を直接予測することにより,入力点雲(Point2Primitive)から編集可能なCADモデルを生成するCAD再構成ネットワークを提案する。
Point2Primitiveは、改良された変換器に基づいて、ポイントクラウドからスケッチ曲線(型とパラメータ)を直接検出し、予測することができる。
スケッチ曲線パラメータは位置クエリとして定式化され、自己回帰的に最適化され、パラメータの精度が高い。
トポロジーは押出セグメンテーションによって再構築され、予測曲線と計算された押出操作を組み合わせることにより、各押出パラメータ(スケッチおよび押出操作)が復元される。
大規模な実験により,本手法はプリミティブ予測精度とCAD再構成に優れていることが示された。
復元された形状は、高い幾何学的忠実度を持つ。
関連論文リスト
- Learning Bijective Surface Parameterization for Inferring Signed Distance Functions from Sparse Point Clouds with Grid Deformation [50.26314343851213]
疎点雲から符号付き距離関数(SDF)を推定することは、表面再構成の課題である。
本稿では,SDFをエンドツーエンドに予測するために動的変形ネットワークを学習する新しい手法を提案する。
合成および実スキャンデータを用いた実験結果から,本手法は最先端の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2025-03-31T02:27:02Z) - OffsetOPT: Explicit Surface Reconstruction without Normals [7.297352404640493]
ここでは,3次元点雲から直接表面を再構成するOffsetOPTを提案する。
小型の形状や大規模開口面など,一般的なベンチマークでその精度を実証する。
論文 参考訳（メタデータ） (2025-03-20T00:47:27Z) - 3D Neural Edge Reconstruction [61.10201396044153]
本研究では,線と曲線に焦点をあてて3次元エッジ表現を学習する新しい手法であるEMAPを紹介する。
多視点エッジマップから無符号距離関数(UDF)の3次元エッジ距離と方向を暗黙的に符号化する。
この神経表現の上に、推定されたエッジ点とその方向から3次元エッジを頑健に抽象化するエッジ抽出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-05-29T17:23:51Z) - 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) - NeurCADRecon: Neural Representation for Reconstructing CAD Surfaces by Enforcing Zero Gaussian Curvature [42.39976072777987]
低品質の無向点雲からのCADモデルの高忠実化は依然として大きな課題である。
本稿では,CADモデルの表面が概ね断片的な表面パッチで構成されているという先行的な観察に基づいて,この問題に対処する。
我々のアプローチはNeurCADReconと呼ばれており、その損失にはガウス曲率を0。
論文 参考訳（メタデータ） (2024-04-20T16:36:24Z) - ParaPoint: Learning Global Free-Boundary Surface Parameterization of 3D Point Clouds [52.03819676074455]
ParaPointは、グローバルな自由境界面パラメータ化を実現するための教師なしのニューラルネットワークパイプラインである。
この研究は、グローバルマッピングと自由境界の両方を追求するニューラルポイントクラウドパラメータ化を調査する最初の試みである。
論文 参考訳（メタデータ） (2024-03-15T14:35:05Z) - 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) - Point2Cyl: Reverse Engineering 3D Objects from Point Clouds to Extrusion
Cylinders [25.389088434370066]
本稿では,生の3次元点雲を一組の押出シリンダに変換する教師ネットワークであるPoint2Cylを提案する。
提案手法は,2つのCADデータセット上での最良の性能を示す。
論文 参考訳（メタデータ） (2021-12-17T05:22:28Z) - 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) - Quantization in Relative Gradient Angle Domain For Building Polygon
Estimation [88.80146152060888]
CNNアプローチは、しばしばノイズの多いエッジや丸いコーナーを含む不正確な建築形態を生成する。
CNNセグメンテーション出力から角状かつ簡潔なビルディングポリゴンを生成するために,ビルディングコーナーの事前知識を利用するモジュールを提案する。
提案手法は, 円形近似によるCNN出力を, より鮮明な形状の建物足跡に改良することを示した。
論文 参考訳（メタデータ） (2020-07-10T21:33:06Z) - Anomaly Detection and Prototype Selection Using Polyhedron Curvature [12.323996999894002]
本稿では,Curvature Anomaly Detection (CAD) と Kernel CAD と呼ばれる新しい異常検出手法を提案する。
評価実験の結果,提案手法は異常検出とプロトタイプ選択に有効であることがわかった。
論文 参考訳（メタデータ） (2020-04-05T09:50:13Z)
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。