論文の概要: A Real-World CAD Segmentation Benchmark: Comparing Rule-Based and Learning-Based Approaches through Hole Detection
- arxiv url: http://arxiv.org/abs/2610.13466v1
- Date: Fri, 09 Oct 2026 12:03:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.560494
- Title: A Real-World CAD Segmentation Benchmark: Comparing Rule-Based and Learning-Based Approaches through Hole Detection
- Title（参考訳）: 実世界のCADセグメンテーションベンチマーク:ホール検出によるルールベースと学習ベースアプローチの比較
- Abstract要約: ファスナー関連穴検出は、人間のアノテーションを必要とし、一般的に使用されるベンチマークよりも幾何学的な複雑さを示す、そのようなタスクの1つである。
タスク固有のルールベースの方法として,グラフワイヤ検索とマルチビュー検索の2つを開発し,それを人手によるベンチマークデータセットで補完する。
パラメータ最適化,ベンチマークデータセットの評価,合成データセット上でのクロスドメイン一般化,およびデータセットサイズやIoU閾値の異なるアプローチの実現可能性の評価など,幅広い実験を行った。
- 参考スコア（独自算出の注目度）: 4.944875022114861
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: CAD segmentation datasets are predominantly synthetic or automatically labelled, leaving it unclear how well existing methods transfer to real-world engineering tasks. Fastener-relevant hole detection represents one such task, requiring human annotation and exhibiting greater geometric complexity than commonly used benchmarks. We address this gap through three main contributions. First, we develop two task-specific rule-based methods, one graph-wire-search and one multi-view based, and complement them with a human-annotated benchmark dataset derived from engineering CAD data that also enables training of UV-Net and AAGNet, representative learning-based approaches for B-Rep segmentation. Second, we conduct an extensive experimental study including parameter optimisation, evaluation on our benchmark dataset, cross-domain generalisation on a synthetic dataset, and an assessment of the feasibility of the approaches at varying dataset sizes and IoU thresholds. Third, we provide evidence-based insights into the strengths and limitations of different approaches: rule-based methods generalise well without training data, with the graph-wire-search method favouring recall and the multi-view method favouring precision, whereas learning-based methods achieve strong performance with sufficient annotations but exhibit reduced robustness under domain shift. These findings highlight trade-offs between data requirements, and robustness, and provide guidance not only for hole detection, but more broadly for real-world CAD segmentation tasks.
- Abstract（参考訳）: CADセグメンテーションデータセットは、主に合成または自動ラベル付けされており、既存のメソッドが現実世界のエンジニアリングタスクにどの程度の頻度で転送されているかは明らかではない。
ファスナー関連穴検出は、人間のアノテーションを必要とし、一般的に使用されるベンチマークよりも幾何学的な複雑さを示す、そのようなタスクの1つである。
3つの主要なコントリビューションを通じて、このギャップに対処します。
まず,B-Repセグメンテーションのための代表的な学習ベースアプローチであるUV-NetとAAGNetのトレーニングを可能にするCADデータから得られた人手によるベンチマークデータセットを補完する。
第2に、パラメータ最適化、ベンチマークデータセットの評価、合成データセット上のクロスドメイン一般化、およびデータセットサイズやIoU閾値の異なるアプローチの実現可能性の評価を含む広範な実験的研究を行う。
第3に,ルールベースの手法は,リコールを推奨するグラフワイヤ検索法と,精度を優先するマルチビュー法を併用して,学習ベースの手法は十分なアノテーションで強みを達成できるが,ドメインシフト時の堅牢性は低下する。
これらの知見は、データ要求とロバスト性の間のトレードオフを強調し、ホール検出だけでなく、現実世界のCADセグメンテーションタスクにもガイダンスを提供する。
関連論文リスト
- Bridging the Gap in ECG-Based Emotion Recognition: A Unified Evaluation of Deep Learning Models [0.0]
本研究では,AER(Automated Emotion Recognition)における顕著なディープラーニングアーキテクチャの比較分析を行った。
公開されている3つのAERデータセットであるCUADS, ASCERTAIN, DREAMERを単一のデータセットに統合し, センサタイプ, 記録条件, 人口統計の多様性を高めた。
この結果から,分類精度とモデル複雑性のトレードオフに関する知見が得られ,AER研究の再現可能なベンチマークが確立された。
論文 参考訳（メタデータ） (2026-09-14T05:21:31Z) - Deepfake Detection that Generalizes Across Benchmarks [48.85953407706351]
ディープフェイク検出器の非表示操作技術への一般化は、実用的展開の課題である。
この研究は、基礎となる事前学習された視覚エンコーダのパラメータ効率適応により、ロバストな一般化が達成可能であることを示す。
提案手法は、平均的クロスデータセットAUROCにおける、より複雑な、最新のアプローチよりも優れた、最先端の性能を実現する。
論文 参考訳（メタデータ） (2025-08-08T12:03:56Z) - Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。
提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。
本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
論文 参考訳（メタデータ） (2025-06-26T11:53:59Z) - Learning Causal Graphs at Scale: A Foundation Model Approach [28.966180222166766]
複数線形構造方程式モデル(SEM)を学習するための新しい注意機構に基づくアーキテクチャであるAttention-DAG(ADAG)を提案する。
ADAGは、非線形アテンションベースのカーネルを介して、観測データからグラフ構造とパラメータの両方へのマッピングを学習する。
提案手法をベンチマークデータセット上で評価し,DAG学習精度とゼロショット推論効率の両方において,ADAGが大幅に向上することを確認した。
論文 参考訳（メタデータ） (2025-06-23T04:41:02Z) - Anchor-aware Deep Metric Learning for Audio-visual Retrieval [11.675472891647255]
Metric Learningは、基礎となるデータ構造を捕捉し、オーディオ・ビジュアル・クロスモーダル検索(AV-CMR)のようなタスクの性能を向上させることを目的としている。
近年の研究では、トレーニング中に埋め込み空間から影響のあるデータポイントを選択するためのサンプリング手法が採用されている。
しかし、トレーニングデータポイントの不足のため、モデルトレーニングはスペースを完全に探索することができない。
本稿では,この課題に対処するために,AADML(Anchor-aware Deep Metric Learning)手法を提案する。
論文 参考訳（メタデータ） (2024-04-21T22:44:44Z) - Generalization Properties of Retrieval-based Models [50.35325326050263]
検索ベースの機械学習手法は、幅広い問題で成功をおさめた。
これらのモデルの約束を示す文献が増えているにもかかわらず、そのようなモデルの理論的基盤はいまだに解明されていない。
本稿では,その一般化能力を特徴付けるために,検索ベースモデルの形式的処理を行う。
論文 参考訳（メタデータ） (2022-10-06T00:33:01Z) - A Topological Approach for Semi-Supervised Learning [0.0]
トポロジカルデータ分析(TDA)に基づく半教師付き学習手法を提案する。
特に,2つの異なるトポロジ的アプローチに従って,2つの半教師付き学習手法を開発した。
本研究で開発された手法は,手作業でラベル付けしたデータのみを学習したモデルと,従来の半教師付き学習手法を用いて学習したモデルとを比較検討した。
論文 参考訳（メタデータ） (2022-05-19T15:23:39Z) - Bi-level Alignment for Cross-Domain Crowd Counting [113.78303285148041]
現在の手法は、補助的なタスクを訓練したり、高価な粗大な見積もりを適用したりするための外部データに依存している。
そこで我々は, 簡易かつ効率的に適用可能な, 逆学習に基づく新しい手法を開発した。
実世界の5つのクラウドカウントベンチマークに対するアプローチを評価し、既存のアプローチを大きなマージンで上回ります。
論文 参考訳（メタデータ） (2022-05-12T02:23:25Z) - Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。
ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。
マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
論文 参考訳（メタデータ） (2020-12-29T23:43:16Z) - DAGA: Data Augmentation with a Generation Approach for Low-resource
Tagging Tasks [88.62288327934499]
線形化ラベル付き文に基づいて訓練された言語モデルを用いた新しい拡張手法を提案する。
本手法は, 教師付き設定と半教師付き設定の両方に適用可能である。
論文 参考訳（メタデータ） (2020-11-03T07:49:15Z)
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。