Geometric Deep Learning for Computer-Aided Design: A Survey

要約

幾何学的な深層学習技術は、コンピューター支援設計 (CAD) の分野で変革を起こす力となり、設計者やエンジニアが設計プロセスに取り組み、強化する方法に革命をもたらす可能性があります。
機械学習ベースの手法を活用することで、CAD 設計者はワークフローを最適化し、より適切な情報に基づいた意思決定をしながら時間と労力を節約し、革新的かつ実用的な設計を作成できます。
幾何学的データによって表される CAD 設計を処理し、そのエンコードされた特徴を分析する機能により、多様な CAD モデル間の類似点の特定、代替設計や機能強化の提案、さらには新しい設計代替案の生成が可能になります。
この調査では、類似性の分析と検索、2D および 3D CAD モデルの合成、点群からの CAD 生成など、さまざまなカテゴリにわたるコンピューター支援設計における学習ベースの手法の包括的な概要を提供します。
さらに、ベンチマーク データセットとその特性の完全なリストと、この分野の研究を推進したオープンソース コードも提供します。
最後のディスカッションでは、この分野に蔓延する課題を掘り下げ、その後、この急速に進化する分野における潜在的な将来の研究の方向性について検討します。

要約(オリジナル)

Geometric Deep Learning techniques have become a transformative force in the field of Computer-Aided Design (CAD), and have the potential to revolutionize how designers and engineers approach and enhance the design process. By harnessing the power of machine learning-based methods, CAD designers can optimize their workflows, save time and effort while making better informed decisions, and create designs that are both innovative and practical. The ability to process the CAD designs represented by geometric data and to analyze their encoded features enables the identification of similarities among diverse CAD models, the proposition of alternative designs and enhancements, and even the generation of novel design alternatives. This survey offers a comprehensive overview of learning-based methods in computer-aided design across various categories, including similarity analysis and retrieval, 2D and 3D CAD model synthesis, and CAD generation from point clouds. Additionally, it provides a complete list of benchmark datasets and their characteristics, along with open-source codes that have propelled research in this domain. The final discussion delves into the challenges prevalent in this field, followed by potential future research directions in this rapidly evolving field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google