論文の概要: Joint Neural SDF Reconstruction and Semantic Segmentation for CAD Models

• arxiv url: http://arxiv.org/abs/2510.03837v1
• Date: Sat, 04 Oct 2025 15:29:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.287617
• Title: Joint Neural SDF Reconstruction and Semantic Segmentation for CAD Models
• Title（参考訳）: CADモデルにおける関節神経SDF再建と意味分割
• Authors: Shen Fan, Przemyslaw Musialski,
• Abstract要約: 本研究では,PartField生成管理下でトレーニングされた部分分割ヘッドを用いて,ニューラルネットワークに基づく暗黙の再構成ネットワークを増強するデータ効率パイプラインを提案する。 固定メッシュに結びついた手法とは異なり、我々のモデルは任意の部分のメッシュを受け入れ、1パスでコヒーレントな幾何整列ラベルを生成する。
• 参考スコア（独自算出の注目度）: 0.9668407688201358
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a simple, data-efficient pipeline that augments an implicit reconstruction network based on neural SDF-based CAD parts with a part-segmentation head trained under PartField-generated supervision. Unlike methods tied to fixed taxonomies, our model accepts meshes with any number of parts and produces coherent, geometry-aligned labels in a single pass. We evaluate on randomly sampled CAD meshes from the ABC dataset with intentionally varied part cardinalities, including over-segmented shapes, and report strong performance across reconstruction (CDL1/CDL2, F1-micro, NC) and segmentation (mIoU, Accuracy), together with a new Segmentation Consistency metric that captures local label smoothness. We attach a lightweight segmentation head to the Flat-CAD SDF trunk; on a paired evaluation it does not alter reconstruction while providing accurate part labels for meshes with any number of parts. Even under degraded reconstructions on thin or intricate geometries, segmentation remains accurate and label-coherent, often preserving the correct part count. Our approach therefore offers a practical route to semantically structured CAD meshes without requiring curated taxonomies or exact palette matches. We discuss limitations in boundary precision, partly due to per-face supervision, and outline paths toward boundary-aware training and higher resolution labels.
• Abstract（参考訳）: 本研究では,PartField生成管理下でトレーニングされた部分分割ヘッドを用いたニューラルネットワークSDFに基づくCAD部品に基づく暗黙の再構成ネットワークを付加する,シンプルなデータ効率のパイプラインを提案する。 固定分類学に結びついた手法とは異なり、我々のモデルは任意の数の部分を持つメッシュを受け入れ、一パスでコヒーレントな幾何整列ラベルを生成する。 ABCデータセットから無作為なサンプルCADメッシュを用いて,過剰な形状を含む意図的な部分濃度の変動について評価し,局所ラベルの滑らか度を計測する新しいセグメンテーション・コンシステンシー指標とともに,再構成(CDL1/CDL2, F1-micro, NC)とセグメンテーション(mIoU, Accuracy)間での強い性能を報告した。 軽量セグメンテーションヘッドをFlat-CAD SDFトランクに装着するが、ペア評価では再構成は行わず、メッシュの正確な部分ラベルを何個かのパーツで提供する。 薄いまたは複雑なジオメトリーの劣化した再構成の下でも、セグメンテーションは正確でラベルの整合性があり、しばしば正しい部分数を保存する。 そこで本手法は,分類学や正確なパレットマッチングを必要とせず,意味的に構造化されたCADメッシュへの実践的な経路を提供する。 境界精度の限界について論じるが、これは顔ごとの監督によるものであり、境界認識トレーニングや高解像度ラベルへの道筋を概説する。

関連論文リスト

• SepFormer: Coarse-to-fine Separator Regression Network for Table Structure Recognition [0.5120567378386615]
  本稿では,SepFormerについて紹介する。SepFormerは分割とマージのパラダイムを,DETRスタイルのアーキテクチャとセパレータレグレッションを通じて単一のステップに統合する。 SepFormerは平均25.6FPSで実行でき、いくつかのベンチマークデータセットで最先端のメソッドと同等のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-06-27T05:20:42Z)
• Reconstruction of Contour Lines During the Digitization of Contour Maps to Build a Digital Elevation Model [0.0]
  壊れた輪郭セグメントは、デジタル標高モデル(DEM)を構築している間、より大きなリスクを課す このプロジェクトでは、壊れたセグメントのエンドポイントを正確にかつ効率的にマッチングし、再接続するために、シンプルで効率的なメカニズムが使用される。 本研究の目的は,輪郭地図のデジタル化時に発生する破損した輪郭線を再接続し,対応する輪郭地図に対して最適なデジタル標高モデルを構築することである。
  論文  参考訳（メタデータ） (2024-12-20T03:02:42Z)
• SLoRD: Structural Low-Rank Descriptors for Shape Consistency in Vertebrae Segmentation [12.964962611736443]
  各種臨床応用にはCT像からの多型椎骨切開が重要である。 既存の単段法と多段法は、不正確な脊椎の分節に悩まされている。 形状整合性のための構造的低ランク記述子に基づく輪郭生成ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-07-11T14:39:54Z)
• Split-and-Fit: Learning B-Reps via Structure-Aware Voronoi Partitioning [50.684254969269546]
  本稿では,3次元CADモデルのバウンダリ表現(B-Reps)を取得する新しい手法を提案する。 各パーティション内に1つのプリミティブを導出するために空間分割を適用する。 我々のネットワークはニューラルなボロノイ図でNVD-Netと呼ばれ、訓練データからCADモデルのボロノイ分割を効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2024-06-07T21:07:49Z)
• 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)
• KP-RED: Exploiting Semantic Keypoints for Joint 3D Shape Retrieval and Deformation [87.23575166061413]
  KP-RED は KeyPoint 主導の Retrieval and deformation フレームワークである。 オブジェクトスキャンを入力として、最も幾何学的に類似したCADモデルを共同で検索し、変形させる。
  論文  参考訳（メタデータ） (2024-03-15T08:44:56Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• Learning Fine-Grained Segmentation of 3D Shapes without Part Labels [29.837938445219528]
  学習に基づく3d形状セグメンテーションは、通常、トレーニング形状のすべての部分が所定のタグセットでアノテートされていると仮定して、意味的なラベリング問題として定式化される。 細粒度セグメンテーションを持つ形状データセットから,部分ラベルのない部分前処理を学習するための深層クラスタリングを提案する。 提案手法は,最先端性能を示す細粒度セグメンテーションの挑戦的なベンチマークを用いて評価する。
  論文  参考訳（メタデータ） (2021-03-24T07:27:07Z)
• Learning to segment from misaligned and partial labels [0.0]
  アーバン以外の多くの設定は、正確なセグメンテーションに必要な基盤構造を欠いている。 OpenStreetMaps (OSM)のようなオープンソースのインフラストラクチャアノテーションがこの問題を代表している。 本稿では,不整合アノテーションと欠落アノテーションを付与した画素画像分割を改良した,新規で一般化可能な2段階のフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-27T06:02:58Z)

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。