NURBS-Diff：用于NURBS的可微分编程模块
机器学习
2022-01-14 v4 计算机视觉与模式识别
摘要
使用非均匀有理B样条（NURBS）的边界表示（B-reps）是CAD中事实上的标准，但其在基于深度学习的方法中的效用尚缺乏充分研究。我们提出一个可微分NURBS模块，将CAD模型的NURBS表示与深度学习方法集成。我们从数学上定义了NURBS曲线或曲面相对于输入参数（控制点、权重和节点矢量）的导数。这些导数用于定义近似雅可比矩阵，以执行“反向”评估来训练深度学习模型。我们使用GPU加速算法实现了我们的NURBS模块，并将其与流行的深度学习框架PyTorch集成。我们展示了我们的NURBS模块在执行曲线或曲面拟合以及曲面偏移等CAD操作中的功效。此外，我们展示了其在无监督点云重建和施加分析约束的深度学习中的效用。这些例子表明，我们的模块在某些深度学习框架中表现更好，并且可直接与任何需要NURBS的深度学习框架集成。
引用
@article{arxiv.2104.14547,
title = {NURBS-Diff: A Differentiable Programming Module for NURBS},
author = {Anjana Deva Prasad and Aditya Balu and Harshil Shah and Soumik Sarkar and Chinmay Hegde and Adarsh Krishnamurthy},
journal= {arXiv preprint arXiv:2104.14547},
year = {2022}
}