論文の概要: MidSurfNet: Learnable Face Pairing and Interference Implicit Fields for Generalized Mid-surface Abstraction

• arxiv url: http://arxiv.org/abs/2606.01891v1
• Date: Mon, 01 Jun 2026 08:36:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:31.61691
• Title: MidSurfNet: Learnable Face Pairing and Interference Implicit Fields for Generalized Mid-surface Abstraction
• Title（参考訳）: MidSurfNet:一般中表面抽象化のための学習可能な顔ペアリングと干渉インシシデント場
• Authors: Li Ye, Xinhang Zhou, Xingyu Yang, Ruofeng Tong, Hailong Li, Peng Du, Min Tang,
• Abstract要約: MidSurfNetは、幾何学的およびトポロジ的特徴から対の信頼性を予測することを学ぶ学習拡張フレームワークである。 1500以上の注釈付きCADモデルを含む大規模中層データセットを構築した。
• 参考スコア（独自算出の注目度）: 14.869951796629435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mid-surface abstraction is essential for finite element analysis of thin-walled CAD models. Existing face pairing-based methods rely on handcrafted geometric heuristics, yet real-world industrial models frequently exhibit multi-wall-thickness regions, self-matching face configurations, and demand for non-center offset surfaces--scenarios where rule-based approaches consistently fail. We present MidSurfNet, a learning-augmented framework that addresses these limitations through two novel components: (1) a neural face pairing module that learns to predict face pair confidence from geometric and topological features, handling complex pairing scenarios beyond rule-based methods; and (2) an interference implicit field that represents mid-surfaces as the interference of two signed distance functions, enabling generalized offset control for flexible positioning in downstream CAE/FEA-oriented workflows. We construct a large-scale mid-surface dataset containing over 1,500 manually annotated CAD models. Experiments demonstrate that MidSurfNet achieves 87.32% face pairing accuracy and successfully handles multi-wall-thickness (61.90% completion) and self-matching (52.94% completion) scenarios that confound all existing methods. Furthermore, MidSurfNet provides a learning-based approach to generalized mid-surface abstraction with arbitrary offset control for CAE-oriented applications.
• Abstract（参考訳）: 薄肉CADモデルの有限要素解析には中面抽象化が不可欠である。 既存の顔ペアリングベースの手法は、手作りの幾何学的ヒューリスティックに頼っているが、実世界の産業モデルは、多層壁の厚さの領域、自己マッチングの顔構成、非中心オフセット面の需要など、規則ベースのアプローチが一貫して失敗するシナリオをしばしば示している。 1) 幾何学的特徴とトポロジ的特徴から顔ペアの信頼性を予測し、規則に基づく手法を超えて複雑なペアリングシナリオを処理し、(2) 2つの符号付き距離関数の干渉として中表面を表す暗黙の場を2つの符号付き距離関数の干渉として扱い、下流CAE/FEA指向のワークフローにおけるフレキシブルな位置決めのための一般化されたオフセット制御を可能にする、学習強化フレームワークであるMidSurfNetを提案する。 1500以上の注釈付きCADモデルを含む大規模中層データセットを構築した。 実験の結果、MidSurfNetは87.32%の顔のペアリング精度を達成し、既存のすべてのメソッドを混同するマルチウォールの厚さ(61.90%の完成)と自己マッチング(52.94%の完成)のシナリオをうまく処理した。 さらに、MidSurfNetは、CAE指向アプリケーションのための任意のオフセット制御を備えた、一般化された中層抽象に対する学習ベースのアプローチを提供する。

関連論文リスト

• A Mean Curvature Approach to Boundary Detection: Geometric Insights for Unsupervised Learning [52.452902154360565]
  本稿では,幾何学的機械学習に基づく新しい幾何学的フレームワークであるMean Curvature Boundary Points (MCBP)を紹介する。 MCBPはデータ多様体の固有曲率を明示的にモデル化し、原理化された多様体のパラメトリゼーションを必要としない点平均曲率を計算する。 合成および実世界のデータセットの実験により、MCBPはクラスタリング性能を一貫して改善することを示した。
  論文  参考訳（メタデータ） (2026-05-05T20:19:09Z)
• Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
  本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。 従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。 当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
  論文  参考訳（メタデータ） (2024-05-23T14:39:52Z)
• Surface Reconstruction from Point Clouds via Grid-based Intersection Prediction [12.329450385760051]
  本稿では,点対の線分と暗黙曲面との交点を直接予測する手法を提案する。 提案手法は,ShapeNet,MGN,ScanNetの3つのデータセット上での最先端性能を示す。
  論文  参考訳（メタデータ） (2024-03-21T02:31:17Z)
• C2F2NeUS: Cascade Cost Frustum Fusion for High Fidelity and Generalizable Neural Surface Reconstruction [12.621233209149953]
  本稿では,多視点ステレオとニューラルサイン付き距離関数表現を組み合わせた新しい統合手法を提案する。 本手法は,ロバストな表面を再構成し,既存の最先端の手法より優れる。
  論文  参考訳（メタデータ） (2023-06-16T17:56:16Z)
• HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper Surfaces [54.77683371400133]
  本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。 実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
  論文  参考訳（メタデータ） (2022-10-13T16:39:53Z)
• Decoupled Multi-task Learning with Cyclical Self-Regulation for Face Parsing [71.19528222206088]
  顔解析のための周期的自己統制型デカップリング型マルチタスク学習を提案する。 具体的には、DML-CSRは、顔解析、バイナリエッジ、カテゴリエッジ検出を含むマルチタスクモデルを設計する。 提案手法は,Helen,CelebA-HQ,LapaMaskのデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-03-28T02:12:30Z)
• Think about boundary: Fusing multi-level boundary information for landmark heatmap regression [51.48533538153833]
  顔の境界とランドマークの関係を探索するための2段階のエンドツーエンドアプローチについて検討する。 境界対応ランドマーク予測は,自己校正境界推定(SCBE)モジュールと境界対応ランドマーク変換(BALT)モジュールの2つのモジュールで構成される。 我々の手法は文学における最先端の手法より優れている。
  論文  参考訳（メタデータ） (2020-08-25T10:14:13Z)
• A deep learning approach for the computation of curvature in the level-set method [0.0]
  そこで本研究では,2次元暗黙曲線の平均曲率をレベルセット法で推定する手法を提案する。 我々のアプローチは、様々な解像度の均一な格子に没入した円柱から構築された合成データセットにフィードフォワードニューラルネットワークを適合させることに基づいている。
  論文  参考訳（メタデータ） (2020-02-04T00:49:47Z)

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。