Style2Fab: Functionality-Aware Segmentation for Fabricating Personalized 3D Models with Generative AI

要約

最近のジェネレーティブ AI の進歩により、3D モデルを自動的に操作することが容易になってきています。
ただし、現在の方法は編集をモデルにグローバルに適用する傾向があるため、物理世界で製造されるときに 3D モデルの意図された機能が損なわれる危険があります。
たとえば、花瓶の底などの 3D モデルの機能セグメントを変更すると、モデルの元の機能が損なわれ、花瓶が倒れる可能性があります。
3D モデルを機能的要素と美的要素に自動的にセグメント化する方法を紹介します。
この方法を使用すると、ユーザーは機能セグメントに影響を与えることなく、3D モデルの美的セグメントを選択的に変更できます。
この手法を開発するには、まず、人気のある 3D プリンティング リポジトリである Thingiverse から取得した 1000 個のモデルを定性的に分析することにより、3D モデルの機能の分類を作成します。
この分類法を使用して、3D モデルを機能的要素と美的要素に分解するための半自動分類方法を開発します。
私たちは、ユーザーが機能を損なうことなく 3D モデルを選択的にスタイル設定できる Style2Fab と呼ばれるシステムを提案します。
人間が注釈を付けたデータと比較して分類方法の有効性を評価し、ユーザー調査で Style2Fab の有​​用性を実証し、機能を意識したセグメンテーションがモデルの機能を維持するのに役立つことを示します。

要約(オリジナル)

With recent advances in Generative AI, it is becoming easier to automatically manipulate 3D models. However, current methods tend to apply edits to models globally, which risks compromising the intended functionality of the 3D model when fabricated in the physical world. For example, modifying functional segments in 3D models, such as the base of a vase, could break the original functionality of the model, thus causing the vase to fall over. We introduce a method for automatically segmenting 3D models into functional and aesthetic elements. This method allows users to selectively modify aesthetic segments of 3D models, without affecting the functional segments. To develop this method we first create a taxonomy of functionality in 3D models by qualitatively analyzing 1000 models sourced from a popular 3D printing repository, Thingiverse. With this taxonomy, we develop a semi-automatic classification method to decompose 3D models into functional and aesthetic elements. We propose a system called Style2Fab that allows users to selectively stylize 3D models without compromising their functionality. We evaluate the effectiveness of our classification method compared to human-annotated data, and demonstrate the utility of Style2Fab with a user study to show that functionality-aware segmentation helps preserve model functionality.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google