面向 CAD 的自监督表示学习
计算机视觉与模式识别
2022-10-21 v1 图形学
摘要
人造物体的设计主要由计算机辅助设计（CAD）工具主导。由于缺乏 CAD 原生格式——参数化边界表示（B-Rep）——中的标注数据，以数据驱动的机器学习方法辅助设计受到阻碍。近来已发布若干 B-Rep 格式的机械零件数据集用于机器学习研究。然而，大规模数据库基本无标注，且标注数据集规模较小。此外，特定任务的标注集稀少且标注成本高昂。本工作提出在有监督学习任务中利用无标注的 CAD 几何数据。我们为 B-Rep 几何学习了一种新颖的隐式/显式混合表面表示，并表明该预训练显著提升了少样本学习性能，同时在多个现有 B-Rep 基准上取得了最先进的性能。
引用
@article{arxiv.2210.10807,
title = {Self-Supervised Representation Learning for CAD},
author = {Benjamin T. Jones and Michael Hu and Vladimir G. Kim and Adriana Schulz},
journal= {arXiv preprint arXiv:2210.10807},
year = {2022}
}