論文の概要: Masked Topology Modeling for Self-Supervised Learning on Parametric CAD

• arxiv url: http://arxiv.org/abs/2607.20642v1
• Date: Wed, 22 Jul 2026 18:13:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.186934
• Title: Masked Topology Modeling for Self-Supervised Learning on Parametric CAD
• Title（参考訳）: パラメトリックCADを用いた自己教師付き学習のためのマスケトポロジーモデリング
• Abstract要約: 新しい自己教師型事前学習タスクMasked Topology Modeling (MTM)を提案する。 MTMは、少数のエッジをマスクし、小さなヘッドを訓練し、エンコーダのポストメッセージ通過顔の特徴から、それぞれのマスクされたエッジの凸度と曲線のタイプを予測する。 いくつかのベンチマークで強いパフォーマンスを示しています。
• 参考スコア（独自算出の注目度）: 8.193080292816559
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computer aided design (CAD) is ubiquitous: virtually any modern object was designed using editable CAD tools. However, with the shortage of available CAD datasets in its native editable and parametric format, boundary representation (B-Rep), it is ever more important to develop data-efficient methods for this domain. We present a new self-supervised pretraining task, Masked Topology Modeling (MTM), that leverages the face-adjacency graph, an induced structure unique to B-reps that the encoder can be asked to reconstruct. MTM masks a fraction of edges and trains a small head to predict each masked edge's convexity and curve type from the encoder's post-message-passing face features. We combine MTM with a MoCo-style momentum-queue contrastive learning over B-rep-aware augmentations, a BFS-connected face-region masked-reconstruction objective, and pretraining on the ABC dataset and our new procedurally generated dataset to show strong performance on a number of benchmarks.
• Abstract（参考訳）: コンピュータ支援デザイン(CAD)はユビキタスであり、ほぼ全ての現代のオブジェクトは編集可能なCADツールを使って設計されている。 しかし、編集可能でパラメトリックなフォーマットである境界表現(B-Rep)で利用可能なCADデータセットが不足しているため、この領域のためにデータ効率のよい手法を開発することがより重要である。 本稿では,自己教師型事前学習タスクであるMasked Topology Modeling (MTM)を提案する。 MTMは、少数のエッジをマスクし、小さなヘッドを訓練し、エンコーダのポストメッセージ通過顔の特徴から、それぞれのマスクされたエッジの凸度と曲線のタイプを予測する。 我々は,MTMを,B-rep-aware Augmentationに対するMoCoスタイルのモーメントキューコントラスト学習,BFS接続型顔領域マスク再構築目標,ABCデータセットと新たなプロシージャ生成データセットの事前学習と組み合わせて,多数のベンチマークで高い性能を示す。

関連論文リスト

• Autoregressive B-Rep Shape Generation with Parametric Surfaces [83.03418080213359]
  ParaCADは、ポイントクラウド条件のB-Rep生成のための自動回帰フレームワークである。 我々のモデルはまず、制約されたUV領域を持つパラメトリック曲面を生成し、その後、これらの曲面をグローバルに交差させることで有効なB-Repを構築する。 大規模な実験により、ParaCADは忠実な点-クラウドアライメントで正確なB-Repsを生成することが示された。
  論文  参考訳（メタデータ） (2026-07-19T06:14:50Z)
• Masked BRep Autoencoder via Hierarchical Graph Transformer [13.174300628873057]
  本稿では、下流タスクのための入力コンピュータ支援設計(CAD)モデルから表現を自動的に学習する、新しい自己教師型学習フレームワークを提案する。 ネットワークをトレーニングするために,大規模でラベルなしな境界表現データセット(BRep)を構築した。 我々は,少量のラベル付きデータであっても,様々なタスクで実験を行い,高い性能を達成する。
  論文  参考訳（メタデータ） (2026-03-16T07:30:11Z)
• Towards High-Fidelity CAD Generation via LLM-Driven Program Generation and Text-Based B-Rep Primitive Grounding [18.983809090879348]
  高忠実度CAD生成のための新しいテキスト・ツー・CADフレームワークであるFutureCADを提案する。 提案手法は, 実行可能なCadQueryスクリプトを生成し, テキストベースのクエリ機構を導入する。 実験の結果,FutureCADGroundは最新のCAD生成性能を実現することがわかった。
  論文  参考訳（メタデータ） (2026-03-12T11:54:29Z)
• AMBER: Adaptive Mesh Generation by Iterative Mesh Resolution Prediction [48.72179728638418]
  本稿では,メッシュ適応のための教師あり学習手法であるAMBER(Adaptive Meshing By Expert Reconstruction)を提案する。 AMBERは、サイズフィールドを反復的に予測し、この予測を使用して、アウト・オブ・ザ・ボックスメッシュジェネレータを使用して、新しい中間メッシュを生成する。 AMBERを2次元および3次元の幾何学、古典物理学問題を含むデータセット、機械部品、人間の専門家メッシュを用いた実世界の産業デザインで評価する。
  論文  参考訳（メタデータ） (2025-05-29T17:10:44Z)
• CMT: A Cascade MAR with Topology Predictor for Multimodal Conditional CAD Generation [59.76687657887415]
  境界表現(B-Rep)に基づくCAD生成のための最初のマルチモーダルフレームワークであるトポロジ予測器(CMT)を用いたカスケードMARを提案する。 具体的には、カスケードMARは、B-Repsに必須のエッジカウンタ面の先行情報を効果的にキャプチャすることができる。 マルチモーダルアノテーション付きB-Repモデルを含む大規模マルチモーダルCADデータセットmmABCを開発した。
  論文  参考訳（メタデータ） (2025-04-29T14:52:28Z)
• Bringing Masked Autoencoders Explicit Contrastive Properties for Point Cloud Self-Supervised Learning [116.75939193785143]
  画像領域における視覚変換器(ViT)のコントラスト学習(CL)は、従来の畳み込みバックボーンのCLに匹敵する性能を達成した。 ViTで事前訓練した3Dポイントクラウドでは、マスク付きオートエンコーダ(MAE)モデリングが主流である。
  論文  参考訳（メタデータ） (2024-07-08T12:28:56Z)
• The Multiscale Surface Vision Transformer [10.833580445244094]
  表面深層学習のためのバックボーンアーキテクチャとして,Multiscale Surface Vision Transformer (MS-SiT)を導入した。 以上の結果から,MS-SiTは新生児の表現型予測タスクにおいて,既存の表面深層学習法よりも優れていた。
  論文  参考訳（メタデータ） (2023-03-21T15:00:17Z)
• Masked Autoencoding for Scalable and Generalizable Decision Making [93.84855114717062]
  MaskDPは、強化学習と行動クローンのためのシンプルでスケーラブルな自己教師付き事前学習手法である。 我々は,MaskDPモデルにより,単一ゴールや複数ゴール到達といった新しいBCタスクへのゼロショット転送能力が得られることを発見した。
  論文  参考訳（メタデータ） (2022-11-23T07:04:41Z)
• SolidGen: An Autoregressive Model for Direct B-rep Synthesis [15.599363091502365]
  境界表現(B-rep)形式はコンピュータ支援設計(CAD)におけるデファクト形状表現である CADモデル生成への最近のアプローチは、スケッチ・アンド・エクスクルード・モデリングシーケンスの学習に焦点を当てている。 本稿では,B-repsから学習し,B-repsの合成を可能にする新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-03-26T00:00:45Z)
• Shape My Face: Registering 3D Face Scans by Surface-to-Surface Translation [75.59415852802958]
  Shape-My-Face (SMF) は、改良されたポイントクラウドエンコーダ、新しい視覚的注意機構、スキップ接続付きグラフ畳み込みデコーダ、特殊口モデルに基づく強力なエンコーダデコーダアーキテクチャである。 私たちのモデルは、トポロジカルにサウンドメッシュを最小限の監視で提供し、より高速なトレーニング時間を提供し、訓練可能なパラメータを桁違いに減らし、ノイズに強く、以前は見られないデータセットに一般化することができます。
  論文  参考訳（メタデータ） (2020-12-16T20:02:36Z)

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。