CLAS：基于机器学习的大规模3D设计数据探索框架
计算机视觉与模式识别
2024-12-05 v1 人机交互
信息检索
摘要
三维（3D）物体具有广泛应用。尽管建模领域在学术界和产业界对3D建模日益关注，但从头设计和/或创建3D物体仍然耗时且具有挑战性。随着生成式人工智能的发展，设计师发现了一种通过AI生成图像来进行概念构思的新方式。然而，生成式AI在创建满足要求的3D物体方面作用有限。为让3D设计师能够基于其具体需求访问广泛的3D物体库，我们提出了一种机器学习（ML）增强的框架CLAS——名称来源于捕获、标记、关联和检索四个步骤，以实现对3D物体的全自动检索。CLAS为任何个人或组织从现有但未被充分利用的3D数据集中获益提供了有效且高效的方法。此外，CLAS也可用于生产高质量的3D物体合成数据集，以用于训练和评估3D生成模型。作为概念验证，我们创建并展示了一个基于CLAS驱动的搜索系统，配备网页用户界面（UI），可检索ShapeNet数据集中6,778个椅子3D物体。在近似检索设置下，我们的检索方法实现了平均倒数排名（MRR）为0.58，Top-1准确率为42.27%，Top-10准确率为89.64%。
引用
@article{arxiv.2412.02996,
title = {CLAS: A Machine Learning Enhanced Framework for Exploring Large 3D Design Datasets},
author = {XiuYu Zhang and Xiaolei Ye and Jui-Che Chang and Yue Fang},
journal= {arXiv preprint arXiv:2412.02996},
year = {2024}
}