PulseAugur
实时 08:30:56
English(EN) Masked Topology Modeling for Self-Supervised Learning on Parametric CAD

新的掩码拓扑建模增强了CAD数据的自监督学习

研究人员推出了一种新颖的自监督学习技术——掩码拓扑建模(MTM),专为参数化CAD数据设计。MTM通过预测掩码边的凸度和曲线类型,来重建边界表示(B-reps)特有的面邻接图。该方法结合对比学习和感知B-rep的数据增强,在利用ABC数据集和新程序生成数据集等多个基准测试中表现强劲。 AI

影响 这种新方法通过更好地从有限的CAD数据集中学习,有望提高现代物体设计中的数据效率。

排序理由 该集群描述了在arXiv上的一篇学术论文中提出的一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的掩码拓扑建模增强了CAD数据的自监督学习

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Heinrich Jiang, Jennifer Jang ·

    面向参数化CAD的自监督学习的掩码拓扑建模

    arXiv:2607.20642v1 Announce Type: cross Abstract: Computer aided design (CAD) is ubiquitous: virtually any modern object was designed using editable CAD tools. However, with the shortage of available CAD datasets in its native editable and parametric format, boundary representati…