論文の概要: Creative synthesis of kinematic mechanisms

• arxiv url: http://arxiv.org/abs/2510.03308v1
• Date: Tue, 30 Sep 2025 19:32:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:58.738545
• Title: Creative synthesis of kinematic mechanisms
• Title（参考訳）: 運動機構の創造的合成
• Authors: Jiong Lin, Jialong Ning, Judah Goldfeder, Hod Lipson,
• Abstract要約: RGB画像表現を用いた平面リンクデータセットを開発した。 画像生成モデルの可能性を探るために,共有遅延変分オートエンコーダを用いる。 生成機械設計における画像ベース表現の有効性を予備実験により検証した。
• 参考スコア（独自算出の注目度）: 6.531924777629619
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we formulate the problem of kinematic synthesis for planar linkages as a cross-domain image generation task. We develop a planar linkages dataset using RGB image representations, covering a range of mechanisms: from simple types such as crank-rocker and crank-slider to more complex eight-bar linkages like Jansen's mechanism. A shared-latent variational autoencoder (VAE) is employed to explore the potential of image generative models for synthesizing unseen motion curves and simulating novel kinematics. By encoding the drawing speed of trajectory points as color gradients, the same architecture also supports kinematic synthesis conditioned on both trajectory shape and velocity profiles. We validate our method on three datasets of increasing complexity: a standard four-bar linkage set, a mixed set of four-bar and crank-slider mechanisms, and a complex set including multi-loop mechanisms. Preliminary results demonstrate the effectiveness of image-based representations for generative mechanical design, showing that mechanisms with revolute and prismatic joints, and potentially cams and gears, can be represented and synthesized within a unified image generation framework.
• Abstract（参考訳）: 本稿では,平面リンクに対する運動合成の問題をクロスドメイン画像生成タスクとして定式化する。 クランクロックやクランクスライダのような単純なタイプからヤンセンの機構のようなより複雑な8バーリンクまで,様々なメカニズムをカバーするRGB画像表現を用いた平面リンクデータセットを開発した。 共有遅延変分オートエンコーダ(VAE)を用いて、未知の運動曲線を合成し、新しい運動学をシミュレートするための画像生成モデルの可能性を探る。 軌道点の描画速度を色勾配として符号化することにより、同じアーキテクチャは軌道形状と速度プロファイルの両方で条件付けられた運動合成もサポートする。 本手法は, 標準4バーリンクセット, 4バーリンクセットとクランクスライダ機構の混合セット, マルチループ機構を含む複素集合の3つを用いて検証した。 予備的な結果は、画像に基づく表現が生成機械設計に有効であることを示し、回転関節と原始関節、および潜在的カムと歯車を持つ機構が統合画像生成フレームワーク内で表現され、合成可能であることを示す。

関連論文リスト

• Cortex-Synth: Differentiable Topology-Aware 3D Skeleton Synthesis with Hierarchical Graph Attention [0.0]
  そこで我々はSynth Cortexについて紹介する。Synth Cortexは、単一の2次元画像から3次元骨格形状とトポロジーを合成するための、新しいエンドツーエンドの微分可能なフレームワークである。 このフレームワークは4つの相乗的モジュールを統合している。擬似3Dポイントクラウドジェネレータ、拡張されたPointNetエンコーダ、スケルトン座標デコーダ、新しい微分可能なグラフ構築ネットワーク(DGCN)である。 実験では,MPJPEが18.7%改善し,ShapeNetのグラフ編集距離が27.3%向上し,トポロジ的誤差が42%減少した。
  論文  参考訳（メタデータ） (2025-09-08T14:03:13Z)
• Data-Driven Dimensional Synthesis of Diverse Planar Four-bar Function Generation Mechanisms via Direct Parameterization [2.499517394718329]
  本稿では,教師付き学習を活用することによって,従来の方程式解法や最適化を回避したデータ駆動型フレームワークを提案する。 提案手法は, 合成データセット, LSTMに基づく逐次精度点処理ニューラルネットワーク, および異なるリンクタイプに適したMixture of Expertsアーキテクチャを組み合わせる。 実験により,本手法は様々な構成にまたがって,正確な欠陥のないリンクを生成することを示した。
  論文  参考訳（メタデータ） (2025-07-11T02:32:29Z)
• ArticulatedGS: Self-supervised Digital Twin Modeling of Articulated Objects using 3D Gaussian Splatting [29.69981069695724]
  RGBの出現と動きパラメータの推定により,部分レベルでの同時再構成の課題に対処する。 我々は3次元ガウス表現において、外観情報と幾何学情報の両方を同時に再構成する。 我々はArticulatedGSを紹介した。ArticulatedGSは自己監督型で総合的なフレームワークで、パートレベルで形状や外観を自律的にモデル化する。
  論文  参考訳（メタデータ） (2025-03-11T07:56:12Z)
• Dynamic 3D Gaussians: Tracking by Persistent Dynamic View Synthesis [58.5779956899918]
  動的シーンビュー合成と6自由度(6-DOF)追跡のタスクを同時に処理する手法を提案する。 我々は、シーンを3Dガウスアンのコレクションとしてモデル化する最近の研究に触発された、分析バイシンセサイザーの枠組みに従う。 我々は,1人称視点合成,動的合成シーン合成,4次元映像編集など,我々の表現によって実現された多数のダウンストリームアプリケーションを紹介した。
  論文  参考訳（メタデータ） (2023-08-18T17:59:21Z)
• GM-NeRF: Learning Generalizable Model-based Neural Radiance Fields from Multi-view Images [79.39247661907397]
  本稿では,自由視点画像の合成に有効なフレームワークであるGeneralizable Model-based Neural Radiance Fieldsを提案する。 具体的には、多視点2D画像からの出現コードを幾何学的プロキシに登録するための幾何学誘導型アテンション機構を提案する。
  論文  参考訳（メタデータ） (2023-03-24T03:32:02Z)
• MoDi: Unconditional Motion Synthesis from Diverse Data [51.676055380546494]
  多様な動きを合成する無条件生成モデルであるMoDiを提案する。 我々のモデルは、多様な、構造化されていない、ラベルなしのモーションデータセットから完全に教師なしの設定で訓練されている。 データセットに構造が欠けているにもかかわらず、潜在空間は意味的にクラスタ化可能であることを示す。
  論文  参考訳（メタデータ） (2022-06-16T09:06:25Z)
• Self-Similarity Priors: Neural Collages as Differentiable Fractal Representations [73.14227103400964]
  本稿では,自己相似性の自動発見における学習の役割と下流タスクの活用について検討する。 我々は、自己参照型構造化変換のパラメータとしてデータを表す暗黙演算子の新しいクラスであるニューラルコラージュを設計する。 本稿では,ニューラルコラージュが生成する表現を,データ圧縮や生成など様々なタスクで活用する方法を検討する。
  論文  参考訳（メタデータ） (2022-04-15T22:54:23Z)
• IMAGINE: Image Synthesis by Image-Guided Model Inversion [79.4691654458141]
  IMGE-Guided Model INvErsion (IMAGINE) と呼ばれるインバージョンベースの手法を導入し、高品質で多様な画像を生成します。 我々は,事前学習した分類器から画像意味論の知識を活用し,妥当な世代を実現する。 IMAGINEは,1)合成中の意味的特異性制約を同時に実施し,2)ジェネレータトレーニングなしでリアルな画像を生成し,3)生成過程を直感的に制御する。
  論文  参考訳（メタデータ） (2021-04-13T02:00:24Z)
• Hierarchy Composition GAN for High-fidelity Image Synthesis [57.32311953820988]
  本稿では,革新的階層構成GAN(HIC-GAN)を提案する。 HIC-GANは、幾何学と外観領域における画像合成をエンドツーエンドのトレーニング可能なネットワークに組み込んでいる。 シーンテキスト画像合成, 肖像画編集, 室内レンダリングタスクの実験により, 提案したHIC-GANは, 質的, 定量的に優れた合成性能が得られることを示した。
  論文  参考訳（メタデータ） (2019-05-12T11:11:24Z)

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。