כתבה
arXiv cs.AI ·
למד את הצורה, לא את הקובץ: קנוני קלטים לרשתות עצביות על ייצוגי גבולות CAD
Learn the Solid, Not the File: Canonical Inputs for Neural Networks on CAD Boundary Representations
המאמר עוסק בפיתוח קנוני קלטים לרשתות עצביות שישמשו לייצוג גבולות CAD. הקנוני קלטים החדשים נועדו להתמודד עם שונות בייצוגי CAD של אותה צורה. המחברים הציגו תאוריה ובדיקות על ייצוגי CAD והציעו קנוני קלטים חדשים.
תקציר מקורי באנגליתarXiv:2609.11573v1 Announce Type: cross Abstract: Boundary representation (B-rep) is the standard format used by modern CAD systems for parametric 3D models. It turns out, the exact same solid can be represented by different B-reps: for example, two engineers using different operations, a geometry kernel rebuilding the file, and an export setting repartitioning faces will lead to different B-reps even though the underlying solid remains the same. We show that existing B-rep encoders are not robust to variation in the B-rep with the same solid on perturbations applied to standard benchmarks, naturally occurring variations inherent to CAD software, and differences in how designers model the same part via a human dataset we created in FreeCAD. The performance of popular B-rep encoders often c
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית