JoinABLe：学习自底向上装配参数化 CAD 关节
机器学习
2022-04-26 v2 计算机视觉与模式识别
图形学
摘要
物理产品通常是在计算机辅助设计（CAD）软件中建模的、由大量三维零件组合而成的复杂装配体。CAD 设计师通过使用称为关节的约束将各个零件相互对齐来构建这些装配体。本文介绍 JoinABLe，一种基于学习的方法，可将零件装配在一起形成关节。JoinABLe 利用标准参数化 CAD 文件中可用的弱监督，无需对象类别标签或人工指导。我们的结果表明，通过在实体模型的图表示上进行网络预测，我们能够以接近人类表现（80%）的准确率（79.53%）超越多种基线方法。最后，为支持未来研究，我们发布了 Fusion 360 Gallery 装配数据集，其中包含关于关节、接触面、孔以及底层装配图结构的丰富信息。
引用
@article{arxiv.2111.12772,
title = {JoinABLe: Learning Bottom-up Assembly of Parametric CAD Joints},
author = {Karl D. D. Willis and Pradeep Kumar Jayaraman and Hang Chu and Yunsheng Tian and Yifei Li and Daniele Grandi and Aditya Sanghi and Linh Tran and Joseph G. Lambourne and Armando Solar-Lezama and Wojciech Matusik},
journal= {arXiv preprint arXiv:2111.12772},
year = {2022}
}
备注
CVPR 2022; code available at https://github.com/AutodeskAILab/JoinABLe and data available at https://github.com/AutodeskAILab/Fusion360GalleryDataset