論文の概要: Draw it like Euclid: Teaching transformer models to generate CAD profiles using ruler and compass construction steps

• arxiv url: http://arxiv.org/abs/2601.09428v1
• Date: Wed, 14 Jan 2026 12:17:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-15 18:59:20.392052
• Title: Draw it like Euclid: Teaching transformer models to generate CAD profiles using ruler and compass construction steps
• Title（参考訳）: Euclidのように描く: 定規とコンパス構築手順を用いてCADプロファイルを生成するトランスフォーマーモデルを教える
• Authors: Siyi Li, Joseph G. Lambourne, Longfei Zhang, Pradeep Kumar Jayaraman, Karl. D. D. Willis,
• Abstract要約: 本稿では,コンピュータ支援設計(CAD)プロファイルを生成する新しい手法を提案する。 これらのシーケンスは、デザイナによって提供される幾何学から始まり、最終プロファイルのポイントと曲線をステップ単位で構築する。
• 参考スコア（独自算出の注目度）: 14.337843963490071
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We introduce a new method of generating Computer Aided Design (CAD) profiles via a sequence of simple geometric constructions including curve offsetting, rotations and intersections. These sequences start with geometry provided by a designer and build up the points and curves of the final profile step by step. We demonstrate that adding construction steps between the designer's input geometry and the final profile improves generation quality in a similar way to the introduction of a chain of thought in language models. Similar to the constraints in a parametric CAD model, the construction sequences reduce the degrees of freedom in the modeled shape to a small set of parameter values which can be adjusted by the designer, allowing parametric editing with the constructed geometry evaluated to floating point precision. In addition we show that applying reinforcement learning to the construction sequences gives further improvements over a wide range of metrics, including some which were not explicitly optimized.
• Abstract（参考訳）: 本稿では、曲線オフセット、回転、交叉を含む単純な幾何学的構成の列を通じてコンピュータ支援設計(CAD)プロファイルを生成する新しい手法を提案する。 これらのシーケンスは、デザイナによって提供される幾何学から始まり、最終プロファイルのポイントと曲線をステップ単位で構築する。 設計者の入力幾何学と最終プロファイルの間に構築ステップを追加することで、言語モデルにおける思考の連鎖の導入と同じような方法で生成品質が向上することを示す。 パラメトリックCADモデルの制約と同様に、構築シーケンスはモデル形状の自由度をデザイナによって調整可能なパラメータ値の小さなセットに減らし、浮動小数点精度で評価された構成幾何によるパラメトリック編集を可能にする。 さらに, 強化学習を構築系列に適用することで, 明示的に最適化されていないものを含め, 幅広い指標のさらなる改善が期待できることを示す。

関連論文リスト

• Point or Line? Using Line-based Representation for Panoptic Symbol Spotting in CAD Drawings [67.5600169375126]
  ベクトルグラフィカルプリミティブからなるCAD図面におけるパノプティカルシンボルスポッティングの課題について検討する。 既存の手法は通常、画像化、グラフ構築、あるいは点ベースの表現に依存している。 本稿では,プリミティブの行ベースの表現を通じてこれらの課題に対処する新しい手法であるVecFormerを提案する。
  論文  参考訳（メタデータ） (2025-05-29T12:33:11Z)
• Aligning Constraint Generation with Design Intent in Parametric CAD [14.67058586198014]
  エンジニアリングスケッチは、制約によって連結された幾何学的プリミティブで構成されている。 設計が容易に編集できるように、制約は設計意図を効果的に捉えなければならない。 生成CADモデルの整列に向けた重要な第一歩は、すべての幾何学的プリミティブを完全に制約する制約を生成することである。
  論文  参考訳（メタデータ） (2025-04-17T17:59:54Z)
• 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)
• 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)
• 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)
• Vitruvion: A Generative Model of Parametric CAD Sketches [22.65229769427499]
  本稿では,パラメトリックCADスケッチの生成モデルを提案する。 我々のモデルは、SketchGraphsデータセットから実世界のデザインを訓練し、スケッチをプリミティブのシーケンスとして自動回帰的に合成する。 我々は、部分スケッチ(プライマー)や手描きスケッチのイメージなど、様々な文脈でモデルを条件付けする。
  論文  参考訳（メタデータ） (2021-09-29T01:02:30Z)
• DSG-Net: Learning Disentangled Structure and Geometry for 3D Shape Generation [98.96086261213578]
  DSG-Netは3次元形状の非交叉構造と幾何学的メッシュ表現を学習するディープニューラルネットワークである。 これは、幾何(構造)を不変に保ちながら構造(幾何学)のような不整合制御を持つ新しい形状生成アプリケーションの範囲をサポートする。 本手法は,制御可能な生成アプリケーションだけでなく,高品質な合成形状を生成できる。
  論文  参考訳（メタデータ） (2020-08-12T17:06:51Z)
• SketchGraphs: A Large-Scale Dataset for Modeling Relational Geometry in Computer-Aided Design [18.041056084458567]
  CAD(Parametric Computer-Aided Design)は、物理設計における機械工学の主要なパラダイムである。 SketchGraphsは、実世界のCADモデルから抽出された1500万のスケッチと、オープンソースのデータ処理パイプラインを組み合わせたコレクションである。
  論文  参考訳（メタデータ） (2020-07-16T17:56:25Z)
• 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)
• CoSE: Compositional Stroke Embeddings [52.529172734044664]
  本稿では、ストロークベースの描画タスクのような複雑な自由形式構造に対する生成モデルを提案する。 我々のアプローチは、自動補完図のようなインタラクティブなユースケースに適している。
  論文  参考訳（メタデータ） (2020-06-17T15:22:54Z)

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。