TransCAD: A Hierarchical Transformer for CAD Sequence Inference from Point Clouds

要約

物理オブジェクトの 3D スキャンから CAD モデルを推測する 3D リバース エンジニアリングは、多くの有望な実用化をもたらす研究方向です。
この論文では、点群から CAD シーケンスを予測するエンドツーエンドのトランスフォーマー ベースのアーキテクチャである TransCAD を提案します。
TransCAD は、階層学習戦略を使用して CAD シーケンスの構造を活用します。
スケッチ プリミティブ パラメータを回帰するためのループ リファイナーも導入されています。
DeepCAD および Fusion360 データセットに対する厳密な実験により、TransCAD が最先端の結果を達成することが示されています。
結果の分析は、既存のメトリクスの制限に対処する、CAD シーケンスの提案されたメトリクス、CAD シーケンスの平均平均精度によってサポートされます。

要約(オリジナル)

3D reverse engineering, in which a CAD model is inferred given a 3D scan of a physical object, is a research direction that offers many promising practical applications. This paper proposes TransCAD, an end-to-end transformer-based architecture that predicts the CAD sequence from a point cloud. TransCAD leverages the structure of CAD sequences by using a hierarchical learning strategy. A loop refiner is also introduced to regress sketch primitive parameters. Rigorous experimentation on the DeepCAD and Fusion360 datasets show that TransCAD achieves state-of-the-art results. The result analysis is supported with a proposed metric for CAD sequence, the mean Average Precision of CAD Sequence, that addresses the limitations of existing metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google