完善主體資料,免費贈送VIP會員!
* 主體類型
* 企業(yè)名稱
* 信用代碼
* 所在行業(yè)
* 企業(yè)規(guī)模
* 所在職位
* 姓名
* 所在行業(yè)
* 學(xué)歷
* 工作性質(zhì)
請先選擇行業(yè)
您還可以選擇以下福利:
行業(yè)福利,領(lǐng)完即止!

下載app免費領(lǐng)取會員

NULL

5cdd2dc095060.jpg

CAD幾何領(lǐng)域機器學(xué)習(xí)數(shù)據(jù)集縱覽

發(fā)布于:2024-08-26 23:19:09

網(wǎng)友投稿

更多
在今年初,丹麥奧胡斯大學(xué)的兩位學(xué)者:Alexandros Iosifidis教授與Negar Heidari博士發(fā)表了一篇調(diào)研報告,題為:《Geometric Deep Learning for Computer-Aided Design: A Survey》。


image.png

(奧胡斯大學(xué)兩位學(xué)者簡介)


文章列舉了多個幾何機器學(xué)習(xí)的數(shù)據(jù)集,在摘要中是這么描述幾何機器學(xué)習(xí)的:“幾何深度學(xué)習(xí)技術(shù)已成為CAD領(lǐng)域的一股變革力量,并有可能徹底改變設(shè)計師和工程師處理和改進設(shè)計流程的方式。通過利用基于機器學(xué)習(xí)的方法的強大功能,CAD設(shè)計師可以優(yōu)化他們的工作流程,節(jié)省時間和精力,同時做出更明智的決策,并創(chuàng)建兼具創(chuàng)新性和實用性的設(shè)計。處理由幾何數(shù)據(jù)表示的CAD 設(shè)計并分析其編碼特征的能力能夠識別不同CAD模型之間的相似性,提出替代設(shè)計和增強功能,甚至生成新穎的設(shè)計替代方案。該調(diào)研全面概述了計算機輔助設(shè)計中各種類別的基于學(xué)習(xí)的方法,包括相似性分析和檢索、2D與3D CAD 模型合成以及從點云生成CAD。此外,該調(diào)研還提供了基準數(shù)據(jù)集及其特征的完整列表,以及推動該領(lǐng)域研究的開源代碼。最后的討論深入探討了該領(lǐng)域普遍存在的挑戰(zhàn),然后是這個快速發(fā)展的領(lǐng)域未來的潛在研究方向?!?/span>

image.png

(調(diào)研報告可在arXiv搜索到)


文章很貼心的對CAD幾何中的常見詞匯做了具體描述:

image.png


對常見的數(shù)據(jù)格式也做了分類列舉:

image.png


下面是最重磅的總結(jié)了,值得收藏。將數(shù)據(jù)集的參數(shù)規(guī)模,類型,應(yīng)用點做了列舉與分類。

image.png


文章介紹了幾個典型的機器學(xué)習(xí)架構(gòu),如UV-NET的架構(gòu)。UV-Net是最早提出的直接處理3D CAD模型的 BRep數(shù)據(jù)格式的深度學(xué)習(xí)方法之一。UV-Net通過使用鄰接圖對拓撲進行建模,并根據(jù)曲線和曲面的U和V參數(shù)域以規(guī)則網(wǎng)格格式對幾何進行建模,為 BRep數(shù)據(jù)提出了一種內(nèi)聚圖表示。

image.png


同時也介紹了諸如MFCAD,SketchGen,DeepCAD, CAD2Sketch/Sketch2CAD等等。

image.png

(MFCAD)


image.png

(SketchGen)


image.png

(CAD2Sketch/Sketch2CAD)


image.png

(DeepCAD架構(gòu))


文章最后拋出了一些討論點:
1. 帶注釋的BRep數(shù)據(jù)。盡管近年來發(fā)布了幾個大型 CAD 數(shù)據(jù)集,其中包括BRep格式以及傳統(tǒng)的3D數(shù)據(jù)格式,但基于監(jiān)督學(xué)習(xí)的方法對帶注釋的數(shù)據(jù)集的需求仍然很大。為 CAD模型分類添加注釋的數(shù)據(jù)集在大小上仍然有限,缺乏對CAD模型進行全面分析所需的多樣性和復(fù)雜性。
2. 對于復(fù)雜CAD組件的裝配存在分析困難。
3. 無監(jiān)督與自監(jiān)督的方案值得探索。鑒于CAD中缺乏用于監(jiān)督學(xué)習(xí)的注釋數(shù)據(jù),利用大規(guī)模數(shù)據(jù)集,增強自監(jiān)督和/或無監(jiān)督方法具有很大的潛力。
4. CAD生成和BRep合成探索。當前CAD 命令的通用方法通常側(cè)重于一組有限的操作,例如草圖和拉伸,從而限制了生成的 CAD 模型的復(fù)雜性和多樣性。值得注意的是,在某些方法中,例如 DeepCAD,無法保證所有生成的CAD命令序列都會產(chǎn)生拓撲邏輯上有效的CAD模型,尤其是在具有長命令序列的復(fù)雜模型的情況下。因此,未來探索的途徑包括擴展生成方法以涵蓋更廣泛的CAD操作,例如圓角和倒角,從而允許為更復(fù)雜的CAD形狀生成命令序列。
5. 提高框架可重復(fù)性的透明度。在這個領(lǐng)域,一個重大的挑戰(zhàn)在于重現(xiàn)和比較不同方法的實驗結(jié)果。由于缺乏大規(guī)模的標注基準數(shù)據(jù)集,因此為基于機器學(xué)習(xí)的 CAD 分析提出的每種方法要么引入為特定任務(wù)量身定制的新標注CAD數(shù)據(jù)集,要么修改和標注大規(guī)模數(shù)據(jù)集的一部分以進行評估。在這些較小的數(shù)據(jù)集上訓(xùn)練的監(jiān)督方法通常表現(xiàn)出高性能,幾乎沒有改進的余地。此外,由于每種方法都是在適合其特定任務(wù)的數(shù)據(jù)集上進行基準測試的,因此比較結(jié)果變得復(fù)雜。為了解決這些問題,強烈建議研究人員為其發(fā)布的代碼提供全面的文檔,詳細說明數(shù)據(jù)預(yù)處理設(shè)置,并提供有關(guān)實驗設(shè)置和代碼依賴關(guān)系的足夠信息。這種透明度可以極大地促進該領(lǐng)域未來的研究工作。


本文版權(quán)歸腿腿教學(xué)網(wǎng)及原創(chuàng)作者所有,未經(jīng)授權(quán),謝絕轉(zhuǎn)載。

未標題-1.jpg

上一篇:revit如何打開fbx文件

下一篇: 中國圖學(xué)學(xué)會BIM證書可作為投標加分條件,8月25日起施行

60acb4e0ef112.png