論文の概要: Extrusion Segmentation Strategy to improve CAD Reconstruction from Point Cloud
- arxiv url: http://arxiv.org/abs/2605.08971v1
- Date: Sat, 09 May 2026 14:26:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-12 23:28:50.000057
- Title: Extrusion Segmentation Strategy to improve CAD Reconstruction from Point Cloud
- Title（参考訳）: ポイントクラウドからのCAD再構成改善のための押出セグメント戦略
- Abstract要約: 我々は,ポイントクラウドからCADモデルを再構築するエンド・ツー・エンド・モデルを開発した。
これらの部分的な形状はデータの多様性を高め、ディープラーニングモデルの一般化と堅牢性を向上させる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Computer-Aided Design is ubiquitous in todays world, as almost every manufactured object begins as a digital model across industries. At the same time, advances in 3D sensing have made point clouds a dominant form of raw 3D data. Recovering the CAD model of a physical object from its point cloud scan has two major applications: reverse engineering, where physical or hand-crafted prototypes need to be reconstructed automatically as editable digital models, and quality control, where recovering the CAD description of a manufactured object helps quantify and understand deviations introduced during the production process. Thus, converting unordered point clouds into structured CAD models is increasingly important for modern applications. Deep learning has enabled major progress in computer vision for both 2D and 3D data, and new datasets facilitate data-driven CAD reconstruction. Building on this foundation, we develop an end-to-end model that reconstructs CAD models from point clouds and introduce a segmentation approach that decomposes them into individual extrusions. These partial shapes increase data diversity, improving the generalization and robustness of deep learning models. Our strategy thereby provides a simple, yet effective way to increase reconstruction performance of deep learning models.
- Abstract（参考訳）: コンピュータ支援デザイン(Computer-Aided Design)は、現代の世界ではユビキタスであり、ほとんどの製造されたオブジェクトは、産業全体でデジタルモデルとして始まります。
同時に、3Dセンシングの進歩により、点雲は生の3Dデータの支配的な形態となった。
物理または手作りのプロトタイプを編集可能なデジタルモデルとして自動的に再構築する必要があるリバースエンジニアリングと、製造されたオブジェクトのCAD記述を復元する品質管理という2つの主要な応用がある。
このように、秩序のない点雲を構造化CADモデルに変換することは、現代のアプリケーションにとってますます重要になっている。
ディープラーニングは、2Dデータと3Dデータの両方においてコンピュータビジョンの大きな進歩を可能にし、新しいデータセットはデータ駆動CAD再構築を促進する。
この基盤を基盤として,CADモデルをポイントクラウドから再構築するエンド・ツー・エンド・モデルを構築し,それらを個別のエクストルージョンに分解するセグメンテーション手法を導入する。
これらの部分的な形状はデータの多様性を高め、ディープラーニングモデルの一般化と堅牢性を向上させる。
これにより、ディープラーニングモデルの再構築性能を向上させるための、シンプルで効果的な方法が提供される。
関連論文リスト
- Feed-Forward 3D Scene Modeling: A Problem-Driven Perspective [91.23306722968509]
汎用的なフィードフォワード3D再構築は近年急速に進展している。
既存のフィードフォワードアプローチも同様に高いレベルのアーキテクチャパターンを共有している。
本稿では,出力形式に依存しないモデル設計戦略を中心とした新しい分類法を提案する。
論文 参考訳（メタデータ） (2026-04-15T16:07:18Z) - Lemon: A Unified and Scalable 3D Multimodal Model for Universal Spatial Understanding [80.66591664266744]
Lemonは3Dポイントクラウドパッチと言語トークンを単一のシーケンスとして処理する統合トランスフォーマーアーキテクチャである。
3次元データの複雑さに対処するため,空間的コンテキストを保存するための構造化パッチやトークン化方式を開発した。
Lemonは、総合的な3D理解と推論タスクにまたがって、最先端のパフォーマンスを確立する。
論文 参考訳（メタデータ） (2025-12-14T20:02:43Z) - MiCADangelo: Fine-Grained Reconstruction of Constrained CAD Models from 3D Scans [22.243878630903577]
本稿では,CADのリバースエンジニアリングに人間設計者が手作業で行う方法に着想を得た新しい手法を提案する。
提案手法は多平面断面を利用して2次元パターンを抽出し,より効果的にパラメトリックな細部を捕捉する。
これにより、詳細かつ編集可能なCADモデルの再構築、最先端の手法の向上、そして初めて、スケッチ制約を直接再構成プロセスに組み込むことができる。
論文 参考訳（メタデータ） (2025-10-27T15:33:51Z) - GenCAD-3D: CAD Program Generation using Multimodal Latent Space Alignment and Synthetic Dataset Balancing [3.5539239472975583]
我々は,3次元CADプログラムを生成するマルチモーダル生成フレームワークであるGenCAD-3Dを紹介する。
また、データセットのバランスと拡張を目的とした合成データ拡張戦略であるSynthBalも紹介する。
実験の結果,SynthBalは再構成精度を大幅に向上し,無効なCADモデルの生成を低減し,高精度なジオメトリの性能を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2025-09-17T19:10:44Z) - Hyperbolic-constraint Point Cloud Reconstruction from Single RGB-D Images [19.23499128175523]
我々は3次元点雲再構成に双曲空間を導入し、低歪みの点雲における複雑な階層構造を表現・理解できるようにする。
我々のモデルは既存のモデルよりも優れており、アブレーション研究は我々のモデルとその構成要素の重要性を実証している。
論文 参考訳（メタデータ） (2024-12-12T08:27:39Z) - 3D-VirtFusion: Synthetic 3D Data Augmentation through Generative Diffusion Models and Controllable Editing [52.68314936128752]
本研究では,事前学習された大規模基盤モデルのパワーを活用して,3次元ラベル付きトレーニングデータを自動的に生成する新しいパラダイムを提案する。
各ターゲットセマンティッククラスに対して、まず、拡散モデルとチャットGPT生成したテキストプロンプトを介して、様々な構造と外観の1つのオブジェクトの2D画像を生成する。
我々は、これらの拡張画像を3Dオブジェクトに変換し、ランダムな合成によって仮想シーンを構築する。
論文 参考訳（メタデータ） (2024-08-25T09:31:22Z) - LAM3D: Large Image-Point-Cloud Alignment Model for 3D Reconstruction from Single Image [64.94932577552458]
大規模再構成モデルは、単一または複数入力画像から自動3Dコンテンツ生成の領域において大きな進歩を遂げている。
彼らの成功にもかかわらず、これらのモデルはしばしば幾何学的不正確な3Dメッシュを生成し、画像データからのみ3D形状を推論する固有の課題から生まれた。
生成した3Dメッシュの忠実度を高めるために3Dポイントクラウドデータを利用する新しいフレームワークであるLarge Image and Point Cloud Alignment Model (LAM3D)を導入する。
論文 参考訳（メタデータ） (2024-05-24T15:09:12Z) - Pushing Auto-regressive Models for 3D Shape Generation at Capacity and Scalability [118.26563926533517]
自己回帰モデルでは,格子空間における関節分布をモデル化することにより,2次元画像生成において顕著な結果が得られた。
自動回帰モデルを3次元領域に拡張し,キャパシティとスケーラビリティを同時に向上することにより,3次元形状生成の強力な能力を求める。
論文 参考訳（メタデータ） (2024-02-19T15:33:09Z) - Point2CAD: Reverse Engineering CAD Models from 3D Point Clouds [26.10631058349939]
本稿では,分割点雲と構造CADモデルのギャップを埋めるハイブリッド解析ニューラルネットワーク再構成手法を提案する。
また,自由曲面の暗黙的表現を新たに提案し,CAD再構成方式の性能向上を図る。
論文 参考訳（メタデータ） (2023-12-07T08:23:44Z) - DeepCAD: A Deep Generative Network for Computer-Aided Design Models [37.655225142981564]
形状をコンピュータ支援設計(CAD)操作のシーケンスとして記述した形状表現の3次元生成モデルについて述べる。
CAD操作と自然言語の類似性について,トランスフォーマーに基づくCAD生成ネットワークを提案する。
論文 参考訳（メタデータ） (2021-05-20T03:29:18Z) - Unsupervised Learning of 3D Object Categories from Videos in the Wild [75.09720013151247]
オブジェクトインスタンスの大規模なコレクションの複数のビューからモデルを学ぶことに重点を置いています。
再構成を大幅に改善するワープコンディショニングレイ埋め込み(WCR)と呼ばれる新しいニューラルネットワーク設計を提案する。
本評価は,既存のベンチマークを用いた複数の深部単眼再構成ベースラインに対する性能改善を示す。
論文 参考訳（メタデータ） (2021-03-30T17:57:01Z)
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。