Implicit Conversion of Manifold B-Rep Solids by Neural Halfspace Representation

要約

多様体 B-Rep 立体を陰的表現に変換するために、ニューラル半空間表現 (NH-Rep) という新しい陰的表現を提示します。
NH-Rep は、ニューラル ネットワークによって表される一連の暗黙的な関数に基づいて構築されたブール ツリーであり、複合ブール関数は、シャープな特徴を維持しながらソリッド ジオメトリを表すことができます。
多様体 B-Rep ソリッドからブール ツリーを抽出する効率的なアルゴリズムを提案し、陰関数を計算するためのニューラル ネットワーク ベースの最適化アプローチを考案します。
NURBS を含むさまざまな曲線パッチを含む 1 万多様体 B-Rep CAD モデルで変換アルゴリズムが提供する高品質と、表面再構成、シャープな特徴の保存、
NH-Rep.

要約(オリジナル)

We present a novel implicit representation — neural halfspace representation (NH-Rep), to convert manifold B-Rep solids to implicit representations. NH-Rep is a Boolean tree built on a set of implicit functions represented by the neural network, and the composite Boolean function is capable of representing solid geometry while preserving sharp features. We propose an efficient algorithm to extract the Boolean tree from a manifold B-Rep solid and devise a neural network-based optimization approach to compute the implicit functions. We demonstrate the high quality offered by our conversion algorithm on ten thousand manifold B-Rep CAD models that contain various curved patches including NURBS, and the superiority of our learning approach over other representative implicit conversion algorithms in terms of surface reconstruction, sharp feature preservation, signed distance field approximation, and robustness to various surface geometry, as well as a set of applications supported by NH-Rep.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google