論文の概要: CADonatello: Towards Real-World Multi-Part 3D CAD Reconstruction

• arxiv url: http://arxiv.org/abs/2610.33575v1
• Date: Sat, 24 Oct 2026 10:05:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.364431
• Title: CADonatello: Towards Real-World Multi-Part 3D CAD Reconstruction
• Title（参考訳）: CADonatello: 実世界のマルチパート3DCAD再構築を目指して
• Abstract要約: 実世界の3DスキャンからパラメトリックCADモデルを再構成するための部分認識フレームワークであるCADonatelloを紹介する。 提案手法はまず,基礎スケールの3次元部分分割モデルを用いて,入力幾何学を構造的に意味のある構成要素に分解する。 スキャン由来のクロスセクションに対するスケッチパラメータ化の一般化を改善するために,さらにCC3Dクロスセクションを導入する。
• 参考スコア（独自算出の注目度）: 20.013759870382852
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Existing methods for CAD reconstruction from 3D scans achieve strong performance on standard benchmarks, yet their effectiveness often degrades in real-world scenarios where objects consist of multiple parts and scan artifacts such as noise. A key reason is that current CAD reconstruction datasets predominantly contain single-part models and clean geometric inputs, limiting the ability of learned models to generalize to realistic settings. In this work, we introduce CADonatello, a part-aware framework for reconstructing parametric CAD models from real-world 3D scans. Our approach first decomposes the input geometry into structurally meaningful components using a foundation-scale 3D part segmentation model, and then reconstructs each component independently through a cross-section-driven pipeline that performs sketch parameterization followed by an extrusion. To improve the robustness of sketch parameterization to scan-derived cross-sections, we further introduce CC3D Cross-Sections, a dataset of paired rasterized cross-section images from realistic scans and their corresponding parametric sketches derived from aligned CAD models. This dataset enables effective domain adaptation from clean CAD sketch images to scan-derived cross-section images. Extensive experiments demonstrate that the proposed approach improves generalization to noisy scans and enables reliable reconstruction of complex multi-part objects across multiple real-world CAD reverse engineering benchmarks.
• Abstract（参考訳）: 既存の3DスキャンからのCAD再構成手法は、標準的なベンチマークで高い性能を達成するが、オブジェクトが複数の部品で構成され、ノイズなどのスキャンアーティファクトから構成される現実のシナリオでは、その効果は劣化することが多い。 鍵となる理由は、現在のCAD再構成データセットは、主に単一部分モデルとクリーンな幾何学的入力を含んでおり、学習したモデルが現実的な設定に一般化する能力を制限することである。 本研究では,実世界の3DスキャンからパラメトリックCADモデルを再構成する部分認識フレームワークであるCADonatelloを紹介する。 提案手法はまず,基本スケールの3次元部分分割モデルを用いて,入力幾何学を構造的に意味のあるコンポーネントに分解し,次にスケッチパラメータ化を行い,押出しを行うクロスセクション駆動パイプラインを通じて各コンポーネントを独立に再構成する。 スキャン由来の断面に対するスケッチパラメタライゼーションの堅牢性を改善するために,現実的なスキャンから一対のラスタライズされた断面画像のデータセットであるCC3D Cross-Sectionsと,それに対応するCADモデルから得られたパラメトリックスケッチを紹介する。 このデータセットは、クリーンCADスケッチ画像からスキャン由来の断面画像への効果的なドメイン適応を可能にする。 広汎な実験により、提案手法はノイズスキャンへの一般化を改善し、複数の実世界のCADリバースエンジニアリングベンチマークにまたがる複雑なマルチパーツオブジェクトの信頼性の高い再構築を可能にする。

関連論文リスト

• MiCADangelo: Fine-Grained Reconstruction of Constrained CAD Models from 3D Scans [22.243878630903577]
  本稿では,CADのリバースエンジニアリングに人間設計者が手作業で行う方法に着想を得た新しい手法を提案する。 提案手法は多平面断面を利用して2次元パターンを抽出し,より効果的にパラメトリックな細部を捕捉する。 これにより、詳細かつ編集可能なCADモデルの再構築、最先端の手法の向上、そして初めて、スケッチ制約を直接再構成プロセスに組み込むことができる。
  論文  参考訳（メタデータ） (2025-10-27T15:33:51Z)
• CADCrafter: Generating Computer-Aided Design Models from Unconstrained Images [69.7768227804928]
  CADCrafterは画像からパラメトリックCADモデル生成フレームワークで、合成テクスチャなしCADデータのみをトレーニングする。 多様な幾何学的特徴を正確に捉えるための幾何エンコーダを導入する。 提案手法は、実際の制約のないCADイメージを頑健に処理でき、また、目に見えない汎用オブジェクトにも一般化できる。
  論文  参考訳（メタデータ） (2025-04-07T06:01:35Z)
• Sparse Multi-Object Render-and-Compare [33.97243145891282]
  一つの画像から静的な物体の3次元形状とポーズを再構築することは、様々な産業にとって重要な課題である。 直接3D形状を予測することで、非現実的で、過度に滑らかになったり、刻まれた形になる。 CADモデルを取得することで、現実的な形状が保証されるが、堅牢で正確なアライメントが必要である。
  論文  参考訳（メタデータ） (2023-10-17T12:01:32Z)
• Single-view 3D Mesh Reconstruction for Seen and Unseen Categories [69.29406107513621]
  シングルビュー3Dメッシュ再構成は、シングルビューRGB画像から3D形状を復元することを目的とした、基本的なコンピュータビジョンタスクである。 本稿では,一視点3Dメッシュ再構成に取り組み,未知のカテゴリのモデル一般化について検討する。 我々は、再構築におけるカテゴリ境界を断ち切るために、エンドツーエンドの2段階ネットワークであるGenMeshを提案する。
  論文  参考訳（メタデータ） (2022-08-04T14:13:35Z)
• Patch2CAD: Patchwise Embedding Learning for In-the-Wild Shape Retrieval from a Single Image [58.953160501596805]
  本稿では,2次元画像と3次元CADモデルの結合埋め込み空間をパッチワイズで構築する手法を提案する。 我々のアプローチは、CADが正確に一致しない実世界のシナリオにおける最先端技術よりも堅牢である。
  論文  参考訳（メタデータ） (2021-08-20T20:58:52Z)
• Reconstructing Interactive 3D Scenes by Panoptic Mapping and CAD Model Alignments [81.38641691636847]
  エンボディエージェントの観点から,シーン再構築の問題を再考する。 rgb-dデータストリームを用いてインタラクティブシーンを再構築する。 この再構成されたシーンは、密集したパノプティカルマップのオブジェクトメッシュを、部分ベースのCADモデルに置き換える。
  論文  参考訳（メタデータ） (2021-03-30T05:56:58Z)
• Mask2CAD: 3D Shape Prediction by Learning to Segment and Retrieve [54.054575408582565]
  本稿では,既存の3次元モデルの大規模データセットを活用し,画像中の物体の3次元構造を理解することを提案する。 本稿では,実世界の画像と検出対象を共同で検出するMask2CADについて,最も類似したCADモデルとそのポーズを最適化する。 これにより、画像内のオブジェクトのクリーンで軽量な表現が生成される。
  論文  参考訳（メタデータ） (2020-07-26T00:08:37Z)
• CAD-Deform: Deformable Fitting of CAD Models to 3D Scans [30.451330075135076]
  本稿では,検索したCADモデルを用いて,より高精度なCAD-to-Scanマッチングを実現するCAD-Deformを提案する。 一連の実験により,本手法はより厳密なスキャン・トゥ・CAD適合性を実現し,スキャンした実環境のより正確なデジタル複製を可能にした。
  論文  参考訳（メタデータ） (2020-07-23T12:30:20Z)

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。