CADOps-Net：从边界表示联合学习CAD操作类型与步骤
计算机视觉与模式识别
2022-08-24 v1
摘要
三维逆向工程是计算机辅助设计（CAD）行业中长期追求但尚未完全实现的目标。其目标是恢复CAD模型的构建历史。本文从CAD模型的边界表示（B-Rep）出发，提出一种新的深度神经网络CADOps-Net，其联合学习CAD操作类型及到不同CAD操作步骤的分解。该联合学习可将B-Rep划分为在同一构建步骤中由各类CAD操作创建的部分；从而为进一步恢复设计历史提供相关信息。此外，我们提出了新颖的CC3D-Ops数据集，其包含超过个带有CAD操作类型标签和步骤标签标注的CAD模型。与现有数据集相比，CC3D-Ops模型的复杂度和多样性更接近于工业用途中所用模型。我们在提出的CC3D-Ops和公开可用的Fusion360数据集上进行的实验，展示了CADOps-Net相对于最先进方法的竞争性性能，并证实了联合学习CAD操作类型与步骤的重要性。
引用
@article{arxiv.2208.10555,
title = {CADOps-Net: Jointly Learning CAD Operation Types and Steps from Boundary-Representations},
author = {Elona Dupont and Kseniya Cherenkova and Anis Kacem and Sk Aziz Ali and Ilya Arzhannikov and Gleb Gusev and Djamila Aouada},
journal= {arXiv preprint arXiv:2208.10555},
year = {2022}
}