論文の概要: Shape: A Self-Supervised 3D Geometry Foundation Model for Industrial CAD Analysis
- arxiv url: http://arxiv.org/abs/2604.22826v1
- Date: Sun, 19 Apr 2026 11:59:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-28 17:12:06.965032
- Title: Shape: A Self-Supervised 3D Geometry Foundation Model for Industrial CAD Analysis
- Title（参考訳）: 形状:産業CAD分析のための自己監督型3次元幾何学基礎モデル
- Authors: Bayangmbe Mounmo, Sam Chien, Mile Mitrovic,
- Abstract要約: 産業CADは、精度と説明可能性をサポートする堅牢で一般化可能な3D表現を必要とする。
表面メッシュを高密度のトーケン埋め込みに変換する自己教師型基礎モデルであるShapeを導入する。
- 参考スコア（独自算出の注目度）: 0.19116784879310025
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Industrial CAD workflows require robust, generalizable 3D geometric representations supporting accuracy and explainability. We introduce Shape, a self-supervised foundation model converting surface meshes into dense per-token embeddings. Shape combines a structured 3D latent grid, a multi-scale geometry-aware tokenizer (MAGNO) with cross-attention, and a transformer processor using grouped-query attention and RMSNorm. A learned reconstruction prior enables per-region attribution for explainable predictions. Pretraining uses masked-token reconstruction of normalized geometry statistics and multi-resolution contrastive consistency. The 10.9M-parameter backbone is pretrained on 61,052 CAD meshes from Thingi10K, MFCAD, and Fusion360. On a held-out split of 2,983 meshes, Shape achieves reconstruction R2 = 0.729 and 98.1% top-1 retrieval under the Wang-Isola protocol, with near-zero reconstruction train/val gap (contrastive scores use a larger evaluation pool). A 2x2 ablation on loss type and target-space normalization shows per-dimension normalization is critical: without it, performance collapses (R2 < 0.14, top-1 < 88%); with it, both losses succeed (R2 > 0.70, top-1 > 96%). Smooth-L1 offers secondary stability. Code, embeddings, and an interactive demo are released at https://github.com/simd-ai/shape.
- Abstract（参考訳）: 産業CADワークフローは、精度と説明可能性をサポートする堅牢で一般化可能な3次元幾何学的表現を必要とする。
表面メッシュを高密度のトーケン埋め込みに変換する自己教師型基礎モデルであるShapeを導入する。
形状は、構造化された3D潜在格子、マルチスケールの幾何認識トークンライザ(MAGNO)とクロスアテンション、グループクエリアテンションとRMSNormを用いたトランスフォーマープロセッサを組み合わせたものである。
学習された再構成は、説明可能な予測のための地域ごとの属性を可能にする。
Pretrainingは、正規化された幾何学統計とマルチレゾリューションのコントラスト整合をマスクトケンで再構築する。
10.9Mパラメートルのバックボーンは、Thingi10K、MFCAD、Fusion360から61,052CADメッシュで事前訓練されている。
2,983メッシュの保持された分割では、Wang-Isolaプロトコルの下でR2 = 0.729と98.1%のトップ-1検索を達成し、ほぼゼロの復元列車/バルブギャップを持つ(対照的なスコアはより大きな評価プールを使用する)。
損失型と目標空間の正規化に対する2x2のアブレーションは、次元ごとの正規化が重要であり、その場合、パフォーマンスが崩壊する(R2 < 0.14, top-1 < 88%)。
Smooth-L1は二次安定性を提供する。
コード、埋め込み、インタラクティブなデモはhttps://github.com/simd-ai/shape.comで公開されている。
関連論文リスト
- LSRM: High-Fidelity Object-Centric Reconstruction via Scaled Context Windows [10.300202521638274]
本研究では,大規模スパース再構成モデルを導入し,拡張型コンテクストウィンドウがフィードフォワード3D再構成に与える影響について検討する。
アクティブなオブジェクトや画像トークンの数を大幅に増やすことで、コンテキストウィンドウを拡大することで、このギャップを著しく狭め、高忠実度な3Dオブジェクト再構成と逆レンダリングを可能にします。
論文 参考訳（メタデータ） (2026-04-06T21:21:12Z) - CADSmith: Multi-Agent CAD Generation with Programmatic Geometric Validation [10.21291474099901]
テキスト・トゥ・CAD生成の既存の方法は、幾何的検証のない単一パスで動作するか、次元誤差を解決できない視覚的フィードバックに頼っている。
自然言語からCadQueryを生成するマルチエージェントパイプラインであるCADSmithを提案する。
次に、2つのネスト補正ループ(実行エラーを解消する内ループ)と、プログラム的幾何的検証に基礎を置く外ループという、反復的な洗練プロセスを実行する。
論文 参考訳（メタデータ） (2026-03-27T15:23:05Z) - KaoLRM: Repurposing Pre-trained Large Reconstruction Models for Parametric 3D Face Reconstruction [51.67605823241639]
KaoLRMは、一視点画像からパラメトリックな3次元顔再構成を行うために、Large Restruction Model (LRM)の学習前を再度ターゲットする。
制御されたベンチマークと内部ベンチマークの両方の実験により、KaoLRMはより優れた再構成精度とクロスビュー整合性を実現することが示された。
論文 参考訳（メタデータ） (2026-01-19T05:36:59Z) - Faithful Contouring: Near-Lossless 3D Voxel Representation Free from Iso-surface [49.742538510885]
本稿では,3次元メッシュにおけるほぼロスレスな忠実度を実現するボクセル化表現であるFithful Contouringを提案する。
提案手法は,既存表現の柔軟性と改善も示す。
論文 参考訳（メタデータ） (2025-11-06T03:56:12Z) - GACO-CAD: Geometry-Augmented and Conciseness-Optimized CAD Model Generation from Single Image [11.612167656421079]
マルチモーダル大言語モデル(MLLM)は2次元画像から3次元幾何学を正確に推定するのに依然として苦労している。
本稿では,新しい2段階後学習フレームワークGACO-CADを紹介する。
DeepCADとFusion360データセットの実験は、GACO-CADが最先端のパフォーマンスを達成することを示している。
論文 参考訳（メタデータ） (2025-10-20T04:57:20Z) - Dens3R: A Foundation Model for 3D Geometry Prediction [44.13431776180547]
Dens3Rは幾何学的密度予測のための3次元基礎モデルである。
画像対マッチング機能と本質的不変性モデリングを統合することにより、Dens3Rは複数の幾何学的量を正確に回帰する。
論文 参考訳（メタデータ） (2025-07-22T07:22:30Z) - DiMeR: Disentangled Mesh Reconstruction Model [29.827345186012558]
DiMeRは、疎視メッシュ再構成のための3次元監視を備えた、幾何学的・テクスチュアなアンタングルフィードフォワードモデルである。
性能/コストの低いモジュールを排除し,正規化損失を再設計し,メッシュ抽出のアルゴリズムを効率化する。
大規模な実験により、DiMeRはスパースビュー、シングルイメージ、テキストから3Dタスクにまたがって一般化し、ベースラインを一貫して上回ることを示した。
論文 参考訳（メタデータ） (2025-04-24T15:39:20Z) - GeoLRM: Geometry-Aware Large Reconstruction Model for High-Quality 3D Gaussian Generation [65.33726478659304]
GeoLRM(Geometry-Aware Large Restruction Model)は、512kガウスと21の入力画像で11GBのGPUメモリで高品質な資産を予測できる手法である。
従来の作品では、3D構造の本質的な空間性は無視されており、3D画像と2D画像の間の明示的な幾何学的関係は利用されていない。
GeoLRMは、3Dポイントを直接処理し、変形可能なクロスアテンション機構を使用する新しい3D対応トランスフォーマー構造を導入することで、これらの問題に対処する。
論文 参考訳（メタデータ） (2024-06-21T17:49:31Z) - Learning Deformable Tetrahedral Meshes for 3D Reconstruction [78.0514377738632]
学習に基づく3次元再構成に対応する3次元形状表現は、機械学習とコンピュータグラフィックスにおいてオープンな問題である。
ニューラル3D再構成に関するこれまでの研究は、利点だけでなく、ポイントクラウド、ボクセル、サーフェスメッシュ、暗黙の関数表現といった制限も示していた。
Deformable Tetrahedral Meshes (DefTet) を, ボリューム四面体メッシュを再構成問題に用いるパラメータ化として導入する。
論文 参考訳（メタデータ） (2020-11-03T02:57:01Z)
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。