ComplexGen:通过B-Rep链复形生成的CAD重建
计算机视觉与模式识别
2022-05-31 v1 人工智能
图形学
摘要
我们将边界表示(B-Rep)下CAD模型的重建视为不同阶几何图元(即顶点、边和曲面片)的检测以及图元间对应关系的确定,这些被整体建模为链复形,并表明通过建模此类综合结构可实现更完整和正则化的重建。我们分两步解决复形生成问题。首先,我们提出一种新颖的神经框架,由用于处理输入点云的稀疏CNN编码器和用于生成几何图元及其带估计概率的相互关系的三路径transformer解码器组成。其次,给定神经网络预测的概率结构,我们通过求解在结构有效性约束下最大化似然的全局优化并应用几何细化来恢复确定的B-Rep链复形。在大规模CAD数据集上的广泛测试表明,B-Rep链复形结构的建模能够实现更准确的学习检测和更受约束的优化重建,从而得到比先前结果在结构上更忠实和完整的CAD B-Rep模型。
引用
@article{arxiv.2205.14573,
title = {ComplexGen: CAD Reconstruction by B-Rep Chain Complex Generation},
author = {Haoxiang Guo and Shilin Liu and Hao Pan and Yang Liu and Xin Tong and Baining Guo},
journal= {arXiv preprint arXiv:2205.14573},
year = {2022}
}
备注
This article is published by ACM Trans. Graph. (SIGGRAPH 2022). This is the author's preprint version