論文の概要: HiFi-BRep: High-Fidelity Latent Representation for Robust B-Rep Generation

• arxiv url: http://arxiv.org/abs/2608.16485v2
• Date: Tue, 18 Aug 2026 02:23:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 13:45:33.022649
• Title: HiFi-BRep: High-Fidelity Latent Representation for Robust B-Rep Generation
• Title（参考訳）: HiFi-BRep:ロバストB-Rep生成のための高忠実遅延表現
• Authors: Junhao Hou, Chenqi Luo, Pufan Wang, Jiaying Lu, Yusheng Liu, Feiwei Qin, Meie Fang, Kun Zhou,
• Abstract要約: 境界表現(B-Rep)生成は、コンピュータ支援設計における基本的なタスクである。 2つの相乗的コントリビューションを通じてこれらの制限に対処する新しいフレームワークであるHiFi-BRepを提案する。 構造的妥当性と幾何学的忠実度の両方において,HiFi-BRepは最先端の手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 16.881723435082524
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Boundary representation (B-Rep) generation is a fundamental task in computer-aided design, yet the direct synthesis of high-fidelity and structurally valid B-Reps remains a major challenge. Existing deep generative methods suffer from two forms of brittleness: representation brittleness, caused by padding noise and feature contamination in the latent space, and generation brittleness, stemming from sequential error propagation and a train-inference mismatch due to non-differentiable validity enforcement. We propose HiFi-BRep, a novel framework that addresses these limitations through two synergistic contributions. First, a topology-aware encoder constructs a high-fidelity latent representation by eliminating padding via learnable queries and preventing feature contamination with topology-guided attention. Second, a single-stage decoder jointly predicts geometry and topology in parallel, embedding core manifold constraints as a differentiable learning objective. This design ensures mutual guidance between geometry and topology while avoiding cascaded errors. Extensive experiments show that HiFi-BRep significantly outperforms state-of-the-art methods in both structural validity and geometric fidelity, providing a robust solution for high-quality B-Rep synthesis. Code and models are publicly available at https://github.com/1nnoh/HiFi-BRep.
• Abstract（参考訳）: 境界表現(B-Rep)生成はコンピュータ支援設計の基本的な課題であるが、高忠実で構造的に有効なB-Repsを直接合成することは大きな課題である。 既存の深部生成法では, 遅延空間における騒音や特徴汚染による表現の脆さと, 逐次的誤り伝播による生成の脆さ, および非差別的有効性による列車干渉ミスマッチの2つの形態に悩まされている。 2つの相乗的コントリビューションを通じてこれらの制限に対処する新しいフレームワークであるHiFi-BRepを提案する。 第一に、トポロジ対応エンコーダは、学習可能なクエリによるパディングを排除し、トポロジに誘導された注意による特徴汚染を防止し、高忠実な潜在表現を構築する。 第二に、単段デコーダは平行に幾何学と位相を予測し、コア多様体の制約を微分可能な学習目的として埋め込む。 この設計は、カスケードエラーを回避しつつ、幾何学とトポロジーの相互指導を保証する。 広汎な実験により、HiFi-BRepは構造的妥当性と幾何学的忠実度の両方において最先端の手法よりも優れており、高品質なB-Rep合成のための堅牢な解を提供する。 コードとモデルはhttps://github.com/1nnoh/HiFi-BRep.comで公開されている。

関連論文リスト

• Towards Valid B-Rep Generation: Training-Free Wireframe Anomaly Detection and Repair [11.44214616902057]
  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。
  論文  参考訳（メタデータ） (2026-08-05T15:24:58Z)
• C$^{2}$R: Cross-sample Consistency Regularization Mitigates Feature Splitting and Absorption in Sparse Autoencoders [56.67585330425431]
  スパースオートエンコーダ(SAE)は、アクティベーションをスパースで人間の理解可能な機能に分解することで、大きな言語モデルを解釈するために広く使われている。 これらの問題は、サンプル間の一貫性のない潜在的な割り当てに起因している。 我々はC$2$Rを導入し、これは方向的に類似した潜伏剤の共活性化を罰する。
  論文  参考訳（メタデータ） (2026-06-29T17:45:31Z)
• Hyperbolic Enhanced Representation Learning for Incomplete Multi-view Clustering [57.38215918201251]
  本稿では,不完全なマルチビュークラスタリングのためのハイパーボリック拡張表現学習フレームワークであるHERLを提案する。 ポアンカレボール内で操作すると、HERLは表現学習を強化するために構造を意識した潜在空間を構築する。 HERLは最先端のアプローチよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2026-04-18T10:50:46Z)
• Joint Geometric and Trajectory Consistency Learning for One-Step Real-World Super-Resolution [14.52346301984322]
  拡散に基づくReal-World Image Super-Resolution (Real-ISR)は、印象的な知覚品質を実現するが、反復サンプリングによる高い計算コストに悩まされる。 本稿では,GTASR(Geometric Trajectory Alignment Super-Resolution)を提案する。
  論文  参考訳（メタデータ） (2026-02-27T18:13:31Z)
• AutoBrep: Autoregressive B-Rep Generation with Unified Topology and Geometry [13.357641924794402]
  バウンダリ表現(バウンダリ表現、B-Rep)は、CAD(Computer-Aided Design)で用いられる標準データ構造である。 本稿では,B-Repsを高品質かつ有効に自動生成する新しいトランスフォーマーモデルであるAutoBrepを提案する。
  論文  参考訳（メタデータ） (2025-12-02T18:46:25Z)
• BrepGPT: Autoregressive B-rep Generation with Voronoi Half-Patch [61.20046418942948]
  境界表現(B-rep)はCADモデル表現のデファクトスタンダードである。 本稿では,B-rep生成のためのシングルステージ自動回帰フレームワークBrepGPTを提案する。
  論文  参考訳（メタデータ） (2025-11-27T07:16:53Z)
• Few-shot Class-incremental Fault Diagnosis by Preserving Class-Agnostic Knowledge with Dual-Granularity Representations [16.182587421358235]
  FSC-FD(Few-Shot Class-Incremental Fault Diagnosis)は,実世界の産業システムにおいて重要である。 本稿では,Dual-Granularity Guidance Network(DGGN)と呼ばれる,Dual-Granularity Representationsに基づく新しいフレームワークを提案する。 提案したDGGNは最先端のFSC-FD手法と比較して診断性能と安定性に優れる。
  論文  参考訳（メタデータ） (2025-08-16T03:14:07Z)
• HoLa: B-Rep Generation using a Holistic Latent Representation [51.07878285790399]
  我々は、$textitboundary representations$ (B-Reps)という形式でコンピュータ支援設計(CAD)モデルを学習し、生成するための新しい表現を導入する。 我々の表現は、B-Repプリミティブの連続幾何学的性質を異なる順序で統一する。 提案手法は生成したB-Repプリミティブ間のあいまいさ,冗長性,不整合性を著しく低減する。
  論文  参考訳（メタデータ） (2025-04-19T10:34:24Z)

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。