論文の概要: STEP-Parts: Geometric Partitioning of Boundary Representations for Large-Scale CAD Processing

• arxiv url: http://arxiv.org/abs/2604.14927v2
• Date: Fri, 17 Apr 2026 22:10:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 13:51:31.186186
• Title: STEP-Parts: Geometric Partitioning of Boundary Representations for Large-Scale CAD Processing
• Title（参考訳）: STEP-Parts:大規模CAD処理のための境界表現の幾何学的分割
• Authors: Shen Fan, Mikołaj Kida, Przemyslaw Musialski,
• Abstract要約: 多くのCAD学習パイプラインは境界表現(B-Reps)を三角形メッシュに識別し、解析的表面構造と位相的隣接性を捨てる。 本稿では,STEP-Partsという決定論的CAD- to-supervisionツールチェーンを,生のSTEP B-Repsから直接,幾何学的インスタンス分割を抽出する。 パイプラインは約180,000モデルを6時間以内にコンシューマCPUで処理する。
• 参考スコア（独自算出の注目度）: 0.8602553195689512
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many CAD learning pipelines discretize Boundary Representations (B-Reps) into triangle meshes, discarding analytic surface structure and topological adjacency and thereby weakening consistent instance-level analysis. We present STEP-Parts, a deterministic CAD-to-supervision toolchain that extracts geometric instance partitions directly from raw STEP B-Reps and transfers them to tessellated carriers through retained source-face correspondence, yielding instance labels and metadata for downstream learning and evaluation. The construction merges adjacent B-Rep faces only when they share the same analytic primitive type and satisfy a near-tangent continuity criterion. On ABC, same-primitive dihedral angles are strongly bimodal, yielding a threshold-insensitive low-angle regime for part extraction. Because the partition is defined on intrinsic B-Rep topology rather than on a particular triangulation, the resulting boundaries remain stable under changes in tessellation. Applied to the DeepCAD subset of ABC, the pipeline processes approximately 180{,}000 models in under six hours on a consumer CPU. We release code and precomputed labels, and show that STEP-Parts serves both as a tessellation-robust geometric reference and as a useful supervision source in two downstream probes: an implicit reconstruction--segmentation network and a dataset-level point-based backbone.
• Abstract（参考訳）: 多くのCAD学習パイプラインは、境界表現(B-Reps)を三角形メッシュに識別し、解析的表面構造と位相的隣接性を捨て、一貫したインスタンスレベルの分析を弱める。 本稿では,STEP-Partsについて述べる。この決定論的CAD- to-supervisionツールチェーンは,生のSTEP B-Repsから直接幾何学的なインスタンスパーティションを抽出し,ソース・フェイス対応を保ちながらテセル化したキャリアに転送し,下流学習と評価のためのインスタンスラベルとメタデータを出力する。 隣り合うB-Repは、同じ解析的原始型を共有し、近距離連続性基準を満たす場合にのみ対向する。 ABCでは、同じ原始二面角が強くバイモーダルであり、部分抽出のための閾値非感度な低角構造をもたらす。 分割は特定の三角法ではなく固有B-Rep位相上で定義されるので、その結果の境界はテッセル化の変化の下で安定である。 ABCのDeepCADサブセットに適用されたパイプラインは、約180{,}000モデルを6時間以内にコンシューマCPU上で処理する。 そこで我々は,STEP-Partsがテッセルレーション・ロバストな幾何学的基準として機能し,暗黙の再構成・分割ネットワークとデータセットレベルのポイントベースバックボーンという2つの下流プローブにおいて有用な監視源として機能することを示す。

関連論文リスト

• Structured Bitmap-to-Mesh Triangulation for Geometry-Aware Discretization of Image-Derived Domains [14.464998646821632]
  画像由来の領域におけるPDE離散化を安定させるため,スリーブあるいはセグメンテーション由来の境界を正規三角格子に埋め込むテンプレート駆動三角測量フレームワークを提案する。 我々はすべての局所境界断面積を離散同値と三角形対称性に分類し、各ケースをコンフリクトフリーな再三角形テンプレートにマッピングする有限記号的なルックアップテーブルを生成する。 楕円型および放物型PDE、信号、構造測定の実験では、より少ない要素、より規則的な三角形、複雑な境界付近の幾何学的忠実度が示される。
  論文  参考訳（メタデータ） (2026-02-23T03:36:55Z)
• Brep2Shape: Boundary and Shape Representation Alignment via Self-Supervised Transformers [46.87466345672103]
  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。
  論文  参考訳（メタデータ） (2026-02-07T08:00:47Z)
• Joint Neural SDF Reconstruction and Semantic Segmentation for CAD Models [0.9668407688201358]
  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。
  論文  参考訳（メタデータ） (2025-10-04T15:29:36Z)
• 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)
• DTGBrepGen: A Novel B-rep Generative Model through Decoupling Topology and Geometry [3.859930277034918]
  幾何学モデルの境界表現(B-rep)はCADの基本形式である B-rep生成のための新しいトポロジ・ジオメトリ・デカップリングフレームワークDTGBrepGenを提案する。
  論文  参考訳（メタデータ） (2025-03-17T12:34:14Z)
• 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)
• BRepNet: A topological message passing system for solid models [6.214548392474976]
  境界表現(B-rep)モデルは、コンピュータ支援設計(CAD)アプリケーションで3D形状を記述する標準的な方法です。 我々は,B-repデータ構造を直接操作するように設計されたニューラルネットワークアーキテクチャであるBRepNetを紹介する。
  論文  参考訳（メタデータ） (2021-04-01T18:16:03Z)
• From Planes to Corners: Multi-Purpose Primitive Detection in Unorganized 3D Point Clouds [59.98665358527686]
  直交平面の分割自由結合推定法を提案する。 このような統合されたシーン探索は、セマンティックプレーンの検出や局所的およびグローバルなスキャンアライメントといった、多目的のアプリケーションを可能にする。 本実験は,壁面検出から6次元トラッキングに至るまで,様々なシナリオにおいて,我々のアプローチの有効性を実証するものである。
  論文  参考訳（メタデータ） (2020-01-21T06:51:47Z)

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。