論文の概要: Brep2Shape: Boundary and Shape Representation Alignment via Self-Supervised Transformers

• arxiv url: http://arxiv.org/abs/2602.07429v1
• Date: Sat, 07 Feb 2026 08:00:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.616611
• Title: Brep2Shape: Boundary and Shape Representation Alignment via Self-Supervised Transformers
• Title（参考訳）: Brep2Shape:自己監督型変換器による境界および形状表現アライメント
• Authors: Yuanxu Sun, Yuezhou Ma, Haixu Wu, Guanyang Zeng, Muye Chen, Jianmin Wang, Mingsheng Long,
• Abstract要約: 境界表現(B-rep)はコンピュータ支援設計(CAD)の業界標準である ディープラーニングはB-repモデルの処理において有望であるが、既存の手法は表現ギャップに悩まされている。 本稿では,抽象境界表現と直感的な形状表現との整合性を考慮した自己教師付き事前学習手法であるBrep2Shapeを紹介する。
• 参考スコア（独自算出の注目度）: 46.87466345672103
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Boundary representation (B-rep) is the industry standard for computer-aided design (CAD). While deep learning shows promise in processing B-rep models, existing methods suffer from a representation gap: continuous approaches offer analytical precision but are visually abstract, whereas discrete methods provide intuitive clarity at the expense of geometric precision. To bridge this gap, we introduce Brep2Shape, a novel self-supervised pre-training method designed to align abstract boundary representations with intuitive shape representations. Our method employs a geometry-aware task where the model learns to predict dense spatial points from parametric Bézier control points, enabling the network to better understand physical manifolds derived from abstract coefficients. To enhance this alignment, we propose a Dual Transformer backbone with parallel streams that independently encode surface and curve tokens to capture their distinct geometric properties. Moreover, the topology attention is integrated to model the interdependencies between surfaces and curves, thereby maintaining topological consistency. Experimental results demonstrate that Brep2Shape offers significant scalability, achieving state-of-the-art accuracy and faster convergence across various downstream tasks.
• Abstract（参考訳）: 境界表現(B-rep)はコンピュータ支援設計(CAD)の業界標準である。 連続的アプローチは解析的精度を提供するが、視覚的に抽象的であるのに対して、離散的手法は幾何学的精度を犠牲にして直観的明瞭さを提供する。 このギャップを埋めるために,抽象境界表現を直感的な形状表現に整合させる手法であるBrip2Shapeを導入する。 本手法では,パラメトリックベジエ制御点から密度空間点の予測を学習し,抽象係数から導出される物理多様体をよりよく理解できるようにする。 このアライメントを強化するために、平行ストリームを持つデュアルトランスフォーマーバックボーンを提案する。 さらに、トポロジーの注意は、曲面と曲線の相互依存性をモデル化するために統合され、トポロジーの一貫性が維持される。 実験結果から,Brep2Shapeは高いスケーラビリティ,最先端の精度,ダウンストリームタスク間の高速収束を実現していることがわかった。

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)
• WIR3D: Visually-Informed and Geometry-Aware 3D Shape Abstraction [13.645442589551354]
  WIR3Dは、3Dで視覚的に意味のある曲線のスパースセットを通して3D形状を抽象化する技術である。 ベジエ曲線のパラメータを最適化し、それらが幾何学的特徴と健全な視覚的特徴の両方を忠実に表現する。 形状の広いデータセットに対して, 形状の抽象化を行う手法をうまく適用した。
  論文  参考訳（メタデータ） (2025-05-07T21:28:05Z)
• HoLa: B-Rep Generation using a Holistic Latent Representation [51.07878285790399]
  我々は、$textitboundary representations$ (B-Reps)という形式でコンピュータ支援設計(CAD)モデルを学習し、生成するための新しい表現を導入する。 我々の表現は、B-Repプリミティブの連続幾何学的性質を異なる順序で統一する。 提案手法は生成したB-Repプリミティブ間のあいまいさ,冗長性,不整合性を著しく低減する。
  論文  参考訳（メタデータ） (2025-04-19T10:34:24Z)
• Bringing Attention to CAD: Boundary Representation Learning via Transformer [2.5925656171325127]
  BRT(Bundary Representation Transformer)と呼ばれる,B-rep学習にトランスフォーマーを適用する新しい手法を提案する。 BRTはB-rep曲面をベジエ三角形に符号化し、その形状と連続性を離散化せずに保存する。 BRTは、部分分類と特徴認識タスクにおける最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-04-07T07:04:02Z)
• SpaceMesh: A Continuous Representation for Learning Manifold Surface Meshes [61.110517195874074]
  本稿では,ニューラルネットワークの出力として,複雑な接続性を持つ多様体多角形メッシュを直接生成する手法を提案する。 私たちの重要なイノベーションは、各メッシュで連続的な遅延接続空間を定義することです。 アプリケーションでは、このアプローチは生成モデルから高品質な出力を得るだけでなく、メッシュ修復のような挑戦的な幾何処理タスクを直接学習することを可能にする。
  論文  参考訳（メタデータ） (2024-09-30T17:59:03Z)
• Str-L Pose: Integrating Point and Structured Line for Relative Pose Estimation in Dual-Graph [45.115555973941255]
  ロボットや自律運転など、さまざまなコンピュータビジョンアプリケーションにおいて、相対的なポーズ推定が不可欠である。 本稿では,余分な構造線セグメントと点特徴を統合した幾何対応グラフニューラルネットワークを提案する。 この整合点と線分の統合は、幾何学的制約をさらに活用し、異なる環境におけるモデル性能を向上させる。
  論文  参考訳（メタデータ） (2024-08-28T12:33:26Z)
• Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
  本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。 提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。 メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
  論文  参考訳（メタデータ） (2020-10-23T14:49:02Z)
• ProAlignNet : Unsupervised Learning for Progressively Aligning Noisy Contours [12.791313859673187]
  ProAlignNetは、輪郭形状間の大規模なミスアライメントと複雑な変換を説明できる。 近接感度および局所形状依存類似度測定値の上界から導出される新しい損失関数を用いて学習する。 実世界の2つの応用において、提案したモデルは最先端の手法よりも一貫して優れている。
  論文  参考訳（メタデータ） (2020-05-23T14:56:14Z)

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。