每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

PartSDF：基于部件的隐式神经表征，用于复合 3D 形状参数化和优化

Created by
  • Haebom

作者

尼古拉斯·塔拉博特、奥利维尔·克莱克、阿尔达·西纳尔·德米尔塔斯、Hieu Le、Doruk Oner、帕斯卡·福阿

PartSDF：基于零件的 3D 形状表示框架

大纲

PartSDF 是一个 3D 形状表示框架，这是工程设计、优化和仿真的关键领域。为了克服现有方法的局限性（这些方法要么对形状进行整体建模，要么在没有预定义组件结构的情况下对其进行分解），PartSDF 提出了一种基于监督学习的隐式表示方法，该方法可以显式地对由独立可控组件组成的复杂形状进行建模。这种创新架构表明，PartSDF 在重建和生成任务中的表现优于监督和非监督基础模型。此外，它能够在保持整体一致性的同时对单个组件进行精确控制，证明了其作为工程应用的结构化形状词典的有效性。

Takeaways, Limitations

•
Takeaways：
◦
提供适合实际设计工作的结构化、基于组件的 3D 形状表示。
◦
在重建和生成任务中表现出色
◦
通过单独组件控制提高工程应用的可用性
◦
保持整体形状的一致性
•
Limitations：
◦
论文中未指定Limitations
👍
Made with Slashpage