基于AI分段的大型AMS数据库AMSnet 2.0
计算机视觉与模式识别
2025-05-15 v1
摘要
当前多模态大语言模型( MLLMs)在理解电路原理图方面受限于其识别能力，这可能归因于缺乏高质量原理图-网表训练数据。现有工作如AMSnet通过原理图解析生成网表。然而，这些方法依赖硬编码的启发式方法，难以应用于复杂或噪声较大的原理图。本文提出一种基于分段的新型网格检测机制，具备高度鲁棒性。该方法还恢复位置信息，实现原理图的数字化重建。我们随后扩充了AMSnet数据集，收集来自多个来源的原理图图像，创建AMSnet 2.0。AMSnet 2.0包含2686个电路，涵盖原理图图像、Spectre格式网表、OpenAccess数字原理图以及电路元件与网格的位置信息，而AMSnet仅包含792个电路，仅提供SPICE格式网表且无数字原理图。
关键词
引用
@article{arxiv.2505.09155,
title = {AMSnet 2.0: A Large AMS Database with AI Segmentation for Net Detection},
author = {Yichen Shi and Zhuofu Tao and Yuhao Gao and Li Huang and Hongyang Wang and Zhiping Yu and Ting-Jung Lin and Lei He},
journal= {arXiv preprint arXiv:2505.09155},
year = {2025}
}
备注
accepted by LAD25