論文の概要: CAST: Cast-Admissible Generative Design and Shape Optimization with Paired Depth Images

• arxiv url: http://arxiv.org/abs/2610.26309v1
• Date: Mon, 19 Oct 2026 12:54:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 18:27:28.349845
• Title: CAST: Cast-Admissible Generative Design and Shape Optimization with Paired Depth Images
• Title（参考訳）: CAST: 深度画像を用いたキャスタブル生成設計と形状最適化
• Abstract要約: 深部生成設計は複雑なジオメトリを生成することができるが、制約のない表現は2部型から解放されるのを防ぐためのアンダーカットを生成する可能性がある。 本稿では, モールド開口制約下での3次元形状生成を再構成するCASTについて述べる。
• 参考スコア（独自算出の注目度）: 7.722988493084333
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep generative design can produce complex geometries, but unconstrained representations may create undercuts that prevent release from a two-part mold. We present CAST, which reformulates three-dimensional shape generation under a selected mold-opening constraint as a two-dimensional image generation problem using paired top and bottom depth images. Each valid depth pair defines one material interval along a selected mold-opening direction, so reconstructions exclude undercuts in that direction by construction. Diffusion models generate candidate shapes in this representation, and a finite element analysis (FEA) guided optimizer refines the same two boundaries. We evaluate diffusion-based generation with limited training data comprising 211 SimJEB bracket designs. On SimJEB brackets, FEA-guided refinement with a volume penalty reduced compliance in 193 of 200 generated candidates. The median reduction across all candidates was 36.8 percent in the optimization FEA model. Reconstruction of existing brackets revealed a mass--stiffness trade-off: filling occluded regions increased material volume and reduced displacement under the evaluated loads. Paired depth images thus connect generative exploration and structural refinement in a shared design space that preserves the selected pull-direction restriction.
• Abstract（参考訳）: 深部生成設計は複雑なジオメトリを生成することができるが、制約のない表現は2部型から解放されるのを防ぐためのアンダーカットを生成する可能性がある。 本稿では, 上面と下面の2次元画像を用いた2次元画像生成問題として, モールド開口制約下での3次元形状生成を再構成するCASTを提案する。 各有効な深さ対は、選択されたモールド開口方向に沿って1つの材料間隔を定義するので、再構成は建設によってその方向の減算を除外する。 拡散モデルは、この表現において候補形状を生成し、有限要素解析(FEA)ガイド付き最適化器は同じ2つの境界を洗練する。 211のSimJEBブラケットの設計を含む限られたトレーニングデータを用いて拡散ベース生成を評価する。 SimJEBのブラケットでは、FEAが指導するボリュームペナルティによる改良により、200人の候補者のうち193人がコンプライアンスを減らした。 全候補者の平均的な削減率は最適化FAAモデルで36.8%であった。 既設ブラケットの復元により, 遮蔽領域の充填により材料体積が増加し, 評価負荷下での変位が減少した。 これにより、選択したプル方向制限を保存する共有設計空間において、ペアド深度画像は、生成的探索と構造的洗練を接続する。

関連論文リスト

• Marigold V2: Revisiting Diffusion Transformers for Monocular Depth Estimation [68.73567966621631]
  最新の画像生成および編集モデルを再開発する一連の手法であるMarigoldを、最先端の単眼深度推定器に再検討する。 我々のレシピは、事前訓練されたマルチステップフローマッチングモデルから単一ステップの推論を目標とし、必要に応じて量子化を行い、安価な実行環境を維持しながらモデルキャパシティを保存する。 その結果,AbsRel は KITTI や ETH3D よりも16～26% 向上した。
  論文  参考訳（メタデータ） (2026-09-08T00:52:01Z)
• Learning Spherical Occupancy Profiles for Multi-View 3D Reconstruction and Generation [25.01274737585538]
  我々は、FILM条件のプロファイルヘッドに、平均視界および光線固有の画像証拠を注入する識別用1光線デコーダを訓練する。 予測されたプロファイルの形態を解析し、複数ビューの再構成と生成先行の間のコンパクトで、学習され、不確実性を意識したインターフェースを提供することを示す。
  論文  参考訳（メタデータ） (2026-08-24T12:56:39Z)
• Diffusion Image Generation with Explicit Modeling of Data Manifold Geometry [64.61931485161833]
  画像生成モデルは、基礎となるデータ多様体からデータポイントをサンプリングすることを目的としている。 データマニフォールド対応画像差分法(MIND)を提案する。 MINDは離散パッチトークン化を連続拡散モデルのスコア関数に統合する。
  論文  参考訳（メタデータ） (2026-05-25T08:43:14Z)
• Joint Geometry-Appearance Human Reconstruction in a Unified Latent Space via Bridge Diffusion [57.09673862519791]
  本稿では,幾何学と外観のモデリングを結合潜在表現に統一する新しいフレームワークである textbfJGA-LBD を紹介する。 実験により、JGA-LBDは、幾何学的忠実度と外観品質の両方の観点から、現在の最先端アプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2026-01-01T12:48:56Z)
• LoG3D: Ultra-High-Resolution 3D Shape Modeling via Local-to-Global Partitioning [26.88556500272625]
  非符号距離場(UDF)に基づく新しい3次元変分オートエンコーダフレームワークを提案する。 私たちの中心となるイノベーションは、UDFを統一サブボリュームであるUBlockに分割することで処理する、ローカルからグローバルなアーキテクチャです。 再現精度と生成品質の両面での最先端性能を実証し,表面の滑らかさと幾何学的柔軟性を向上した。
  論文  参考訳（メタデータ） (2025-11-13T07:34:43Z)
• Light-SQ: Structure-aware Shape Abstraction with Superquadrics for Generated Meshes [60.92139345612904]
  我々は、新しいスーパークワッドリックベースの最適化フレームワークLight-SQを提案する。 本稿では,構造対応ボリューム分解によるブロック再配置戦略を提案する。 実験によると、Light-SQはスーパークワッドリックで効率よく、高忠実で、編集可能な形状の抽象化を可能にする。
  論文  参考訳（メタデータ） (2025-09-29T16:18:32Z)
• Canonical Pose Reconstruction from Single Depth Image for 3D Non-rigid Pose Recovery on Limited Datasets [55.84702107871358]
  2Dインプットからの3D再構成、特に人間のような非剛体オブジェクトは、ユニークな課題を提示する。 従来の手法は、変形空間全体をカバーするために広範囲なトレーニングデータを必要とする非剛体形状に苦しむことが多い。 本研究では,変形可能な形状の単一視点深度画像を標準形に変換する正準ポーズ再構成モデルを提案する。
  論文  参考訳（メタデータ） (2025-05-23T14:58:34Z)
• OFER: Occluded Face Expression Reconstruction [16.06622406877353]
  OFERはシングルイメージの3次元顔再構成のための新しいアプローチであり、可塑性、多様性、表現力のある3次元顔を生成することができる。 多様な表現間の整合性を維持するため,予測された形状精度スコアに基づいて,形状拡散ネットワークの出力をソートする新しいランキング機構を提案する。
  論文  参考訳（メタデータ） (2024-10-29T00:21:26Z)
• Learning Versatile 3D Shape Generation with Improved AR Models [91.87115744375052]
  自己回帰(AR)モデルはグリッド空間の関節分布をモデル化することにより2次元画像生成において印象的な結果を得た。 本稿では3次元形状生成のための改良された自己回帰モデル(ImAM)を提案する。
  論文  参考訳（メタデータ） (2023-03-26T12:03:18Z)

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。