ContrastCAD: 基于对比学习的计算机辅助设计模型表示学习
计算机视觉与模式识别
2024-04-03 v1 机器学习
摘要
基于Transformer的模型的成功鼓励了许多研究人员使用基于序列的方法学习CAD模型。然而，学习CAD模型仍然是一个挑战，因为它们可以表示为具有长构建序列的复杂形状。此外，相同的CAD模型可以使用不同的CAD构建序列来表达。我们提出了一种新颖的基于对比学习的方法，名为ContrastCAD，它有效地捕获了CAD模型构建序列中的语义信息。ContrastCAD使用dropout技术生成增强视图，而不改变CAD模型的形状。我们还提出了一种新的CAD数据增强方法，称为随机替换和挤出（RRE）方法，以在训练不平衡的CAD训练数据集时增强模型的学习性能。实验结果表明，所提出的RRE增强方法显著提升了基于Transformer的自编码器的学习性能，即使对于具有非常长构建序列的复杂CAD模型也是如此。所提出的ContrastCAD模型对构建序列的排列变化具有鲁棒性，并通过生成相似CAD模型更紧密聚类的表示空间来实现更好的表示学习。我们的代码可在https://github.com/cm8908/ContrastCAD获取。
引用
@article{arxiv.2404.01645,
title = {ContrastCAD: Contrastive Learning-based Representation Learning for Computer-Aided Design Models},
author = {Minseop Jung and Minseong Kim and Jibum Kim},
journal= {arXiv preprint arXiv:2404.01645},
year = {2024}
}