論文の概要: Towards Valid B-Rep Generation: Training-Free Wireframe Anomaly Detection and Repair
- arxiv url: http://arxiv.org/abs/2608.04955v1
- Date: Wed, 05 Aug 2026 15:24:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 14:48:43.977145
- Title: Towards Valid B-Rep Generation: Training-Free Wireframe Anomaly Detection and Repair
- Title（参考訳）: 有効B-Rep生成に向けて:トレーニング不要なワイヤーフレーム異常検出と修復
- Authors: Jingyu Wu, Youcheng Cai, Tengyu Luo, Ligang Liu,
- Abstract要約: 多段表現(トリガー計算生成)はCADモデルを生成する。
自己切断のようなリスクは、BRepsの無効な最終妥当性を伝播させる。
我々は、下流のBRepの有効性を改善するために、Wireframe検出段階で介入するフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 11.44214616902057
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-stage boundary representation (B-Rep) generation leverages intermediate wireframes to synthesize CAD models. However, geometric and topological risks in these wireframes -- such as self-intersections, edge collapses, and disconnected vertices -- can propagate to invalid final B-Reps. Mitigating such failures by retraining large generative models is computationally prohibitive. We propose Wireframe Detection and Repair (WDR), a training-free framework that intervenes at the intermediate wireframe stage to improve downstream B-Rep validity. WDR features a Geometric-Topology Anomaly Detector (GTAD) that combines parallel VLM-based coarse screening with geometric and topological detectors to predict downstream invalidity risk and route generation to dedicated branches. An Energy-Guided Geometric-Topology Repair (EGGTR) module then performs detector-triggered guided regeneration through geometry and topology branches. By scaling test-time computation via Energy-Guided Resampling and training-free guidance for diffusion models, WDR can be integrated into autoregressive and diffusion pipelines without retraining. Extensive experiments demonstrate consistent improvements in kernel-checked validity while largely retaining the measured diversity and distributional quality of synthesized CAD models. The code will be made publicly available upon acceptance.
- Abstract（参考訳）: 多段境界表現(B-Rep)生成は、中間ワイヤフレームを利用してCADモデルを合成する。
しかしながら、これらのワイヤフレームの幾何学的および位相的リスク(自己切断、エッジ崩壊、非連結頂点など)は、無効な最終B-Repsに伝播する。
大規模な生成モデルの再訓練によるそのような失敗の軽減は、計算的に禁止されている。
WDR(Wireframe Detection and repair)は、下流のB-Repの有効性を改善するために、中間のワイヤフレームステージに介在するトレーニング不要のフレームワークである。
WDRにはGTAD(Geometric-Topology Anomaly Detector)があり、これは平行なVLMベースの粗いスクリーニングと幾何学的およびトポロジカルな検出器を組み合わせることで、下流の異常リスクと専用ブランチへのルート生成を予測する。
エネルギー誘導型幾何トポロジー修復(EGGTR)モジュールは、幾何学とトポロジーの分岐を通して検出器トリガー付きガイド付き再生を行う。
Energy-Guided Resamplingによるテスト時間計算のスケーリングと拡散モデルのトレーニング不要ガイダンスにより、WDRは再トレーニングなしで自己回帰パイプラインや拡散パイプラインに統合できる。
大規模な実験では、カーネルチェックの有効性が一貫した改善を示すとともに、合成CADモデルの多様性と分布品質を大きく維持している。
コードは受理時に公開されます。
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) - Machine Learning-Based Reconstruction for Resistive Silicon Sensors [53.365453214937496]
抵抗型シリコンセンサの機械学習による再構成と圧縮について検討した。
相関パッドからのフルウェーブフォーム情報を用いて、再構成を規則化し、空間情報を抽出する。
まず、LSTM層に基づくリカレントニューラルネットワークモデルを紹介し、フルウェーブフォーム再構成のための概念実証実装を提供する。
論文 参考訳（メタデータ） (2026-07-13T14:03:26Z) - Prototype-Anchored Generalized Manifold Regression for Unknown-Domain Object Detection [58.25418970608328]
単一ソースドメイン上でトレーニングされた検出器を複数の未確認領域に転送することを目的としたシングルドメイン一般化オブジェクト検出(Single-DGOD)について検討する。
既存の手法は主に、トレーニング分布を拡大するために、データ拡張やテキストプロンプトといったシミュレーション駆動の戦略に依存している。
本稿では, 未知領域の一般化を多様体回帰問題として定式化する, Visual-Text Dual Chain-of-Thought (MR-DCoT) を用いたマニフォールド回帰を提案する。
論文 参考訳（メタデータ） (2026-07-08T09:27:15Z) - Adaptive Recurrent Message Passing for Test Time Computing on Graphs [80.56829418752513]
繰り返しグラフモデルでは,グラフデータとアーキテクチャ設計の固有のミスマッチを克服できることを示す。
本稿では,アダプティブ・リカレントグラフモデルであるAdaRを提案する。
論文 参考訳（メタデータ） (2026-06-21T12:14:11Z) - Dmsh: A Multi-Agent Reinforcement Learning Framework for All-Quad Mesh Generation [0.30786914102688595]
Dmshは、幾何学的分解と四角形メッシュ生成を統一する最初の完全自動強化学習パイプラインである。
Dmshは、トポロジの単純化、幾何正規化、メッシュ生成を扱う3つの協調エージェントによって問題を分解する。
学習戦略により、単純なドメインから非常に複雑なジオメトリへのスケーラビリティが保証され、種子の分散が抑制される。
論文 参考訳（メタデータ） (2026-06-09T09:04:32Z) - High-Dimensional Latents Should Be Diagnosed Through Phase Structure [56.362776482614976]
スピングラス理論のレンズによるオートエンコーダと変分オートエンコーダの潜在空間について検討した。
固定復号器用の潜時空間スピングラス辞書を定式化する。
トポロジカルな自明化機構のエッジ・オブ・ステイティに向けて潜伏系を駆動することは、下流に具体的な結果をもたらすことを示す。
論文 参考訳（メタデータ） (2026-05-23T06:17:23Z) - Variational Bayesian Flow Network for Graph Generation [54.94088904387278]
グラフ生成のための変分ベイズフローネットワーク(VBFN)を提案する。
VBFNは、構造化精度で支配されるトラクタブルジョイントガウス変分信念ファミリーに対して変分リフトを行う。
合成グラフと分子グラフのデータセットでは、VBFNは忠実度と多様性を改善し、ベースライン法を超えている。
論文 参考訳（メタデータ） (2026-01-30T03:59:38Z) - GenDA: Generative Data Assimilation on Complex Urban Areas via Classifier-Free Diffusion Guidance [5.646118100261389]
GenDAは、限られた観測から非構造メッシュ上の高分解能風場を再構築する生成データ同化フレームワークである。
提案フレームワークは,複雑な領域における環境モニタリングのための生成的・幾何学的データ同化に向けて,スケーラブルな経路を提供する。
論文 参考訳（メタデータ） (2026-01-16T17:02:00Z) - Latent Iterative Refinement Flow: A Geometric-Constrained Approach for Few-Shot Generation [5.062604189239418]
少ショット生成に対する新しいアプローチであるLIRF(Latent Iterative Refinement Flow)を導入する。
LIRFは,新しいtextbfmanifold保存損失をトレーニングしたオートエンコーダを用いて,安定な潜伏空間を確立する。
このサイクルの中で、候補サンプルは幾何的テクスチャ補正演算子によって洗練される。
論文 参考訳（メタデータ） (2025-09-24T08:57:21Z) - Bringing Attention to CAD: Boundary Representation Learning via Transformer [2.5925656171325127]
BRT(Bundary Representation Transformer)と呼ばれる,B-rep学習にトランスフォーマーを適用する新しい手法を提案する。
BRTはB-rep曲面をベジエ三角形に符号化し、その形状と連続性を離散化せずに保存する。
BRTは、部分分類と特徴認識タスクにおける最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-04-07T07:04:02Z)
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。