Chamfer distance
PulseAugur coverage of Chamfer distance — every cluster mentioning Chamfer distance across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新方法改进了无需验证器的LLM文本到CAD生成
研究人员开发了一种新方法，使用大型语言模型来提高文本到CAD生成的准确性。该技术称为“3D CAD共识选择”，涉及生成多个CAD程序候选，并选择与池中其他程序最一致的那个。这种方法消除了对单独验证器的需求，例如视觉语言评判器，并且可以应用于现有的CAD代理而无需额外训练。几何共识选择在几何指标方面显示出改进，与随机选择相比，Chamfer距离减少了1-10%。
-
新的RA-CAD代理通过反馈循环改进文本到CAD生成
研究人员开发了RA-CAD，这是一种新颖的代理，旨在通过整合状态感知的反馈循环来改进文本到CAD的生成。该系统通过生成-执行-评估-重写周期运行，其中它执行生成的代码，分析结果，并生成明确的评估来指导后续的修订。RA-CAD在CADFusion和Text2CAD等基准测试中展示了在执行有效性和几何质量方面的最先进性能，优于现有方法和专有语言模型。
-
TraceCAD通过持久化恢复增强了基于LLM的CAD生成
研究人员开发了TraceCAD，这是一种新颖的恢复层，旨在提高大型语言模型（LLM）生成CAD的可靠性。该系统维护持久化状态，链接请求的功能、建模步骤和恢复结果，以诊断和纠正错误的操作。TraceCAD的方法包括在依赖区域内搜索有界编辑，并通过执行和保留检查来验证候选对象。在DeepCAD基准测试上的评估表明，TraceCAD在实现具有竞争力的几何质量的同时，减少了重试次数、token成本和延迟，证明了持久化、局部化和可重用恢复机制的有效性。
-
新论文揭示3D生成模型未能通过对称性测试
一篇题为“Symmetry Matters: Auditing and Symmetrizing 3D Generative Models”的新研究论文指出了当前3D生成模型的一个重大缺陷：它们在生成对象时未能持续保持对称性。研究人员发现，尽管模型在标准基准测试上表现良好，但在使用对称性感知指标进行评估时，它们会表现出“对称性差距”。研究表明，这个问题并非完全由训练数据引起，而是内嵌于生成过程本身。为解决此问题，该论文提出了一种以数据…
-
DINE框架通过全局形变先验增强软组织配准
研究人员开发了DINE，一种用于非刚性点云配准的新框架，提高了软组织分析的准确性和鲁棒性。与专注于Chamfer距离等局部目标的先前方法不同，DINE整合了学习到的位移矢量场统计先验，以约束全局形变的合理性。当应用于现有的配准骨干网络时，DINE在DeformedTissue和SynBench等基准数据集上展示了Chamfer距离的显著降低以及对噪声和离群值的鲁棒性增强。
-
新的AI框架自动化心脏网格生成，用于计算机模拟试验
arXiv上的两篇新研究论文介绍了从医学扫描创建人体心脏详细3D模型的先进方法。第一篇论文介绍了一个半自动流程，将基于CT的分割转换为可用于仿真的心脏网格，从而能够构建统计形状模型和生成合成解剖结构，用于计算机模拟研究。第二篇论文HeartVolMesh提出了一种新颖的方法，使用3D CNN-GNN来预测顶点位移和协方差，然后指导四面体模板的变形，以重建具有内置对应关系的准确的患者特定心脏网格。
-
新的ArtisanCAD代理使用专家知识进行工业CAD生成
研究人员开发了ArtisanCAD，这是一个工业级的CAD代理，它利用专家知识蒸馏来改进计算机辅助设计模型的生成。该系统采用CAD中间表示（CAD-IR）来编码参数、操作和依赖关系，使其能够将模糊的提示转换为可执行的CAD程序。ArtisanCAD利用来自工业工作流的专家知识，例如CATIA操作记录，来创建可用于生产的B-Rep模型，从而显著减少错误并增强复杂汽车组件的生成。
-
3DMPE方法从部分多视角投影重建三维点云
研究人员推出了3DMPE，一种新颖的无训练方法，可从多个二维投影重建三维点云。这种基于优化的方法可以处理不同视图捕获不同点子集的情况，并在可变投影设置中联合估计投影图。与依赖数据的学习方法不同，3DMPE依赖于几何观察和已建立的对应关系，使其无需进行特定类别的训练即可应用。在ShapeNet和Pix3D数据集上的实验证明了其从部分多视角几何数据重建点云的有效性。
-
ReScene框架以更高精度重建3D室内场景 · arXiv论文
研究人员开发了ReScene，一个旨在从多视图捕获中构建可用于仿真的3D室内场景的新框架。该方法通过专注于跨视图关系融合和物理上合理的场景组装，而不是仅仅进行单对象重建，来解决现有方法的局限性。ReScene利用HierView组件来优先化重建视图，并使用Relation-Aware Assembly将多帧预测与几何先验相结合，从而生成一个置信度加权的场景图。该框架在ScanNet场景上实现了最先进的性能，显著降低了Chamfer D…
-
TriFlow 利用矢量场生成具有艺术家风格拓扑的3D网格
研究人员推出TriFlow，一种用于创建具有艺术家风格三角形拓扑的紧凑型3D网格的新型生成方法。该方法利用最近顶点矢量场（NVFs）来表示网格拓扑，并通过潜在流匹配模型进行训练。该方法将拓扑生成条件化为输入几何体（如符号距离场），并采用约束二次误差度量网格简化来实现连贯的网格提取。据报道，TriFlow 在泛化性、拓扑质量方面有所提高，Chamfer Distance 降低了90%，并且比现有的基于学习的方法快8倍。
-
新型Transformer模型自动化机械机构设计
研究人员开发了一种离散自回归Transformer（DAT），以解决平面机构路径综合的复杂问题。这种新颖的方法将综合过程建模为条件自回归序列，其中关节坐标被量化为令牌并通过Transformer生成。DAT模型在超过一百万个机构上进行了训练，在保留测试中取得了较低的Chamfer距离和动态时间规整分数，证明了其生成多样化且准确的机构设计的能力。
-
新型混合AI模型增强了MRI盆腔器官的三维重建
研究人员开发了一种新颖的混合框架，结合了深度学习和迭代优化，以实现MRI扫描中盆腔器官的高保真三维几何重建。该方法旨在改进现有方法，这些方法通常劳动密集且缺乏标准化。该框架整合了一个几何感知深度学习架构和两阶段优化策略，以确保拓扑一致性并完善局部表面细节，与当前模型相比，展示了卓越的几何保真度和网格质量。
-
新指标改进自动驾驶地图估计的评估
研究人员开发了新的评估指标SOSPA和PLD，以更准确地评估自动驾驶中使用的在线建图系统。这些指标解决了现有方法（如Chamfer Distance和mAP）的局限性，这些方法未能考虑预测地图元素中点的顺序。在nuScenes数据集上的评估表明，PLD能有效对最先进的建图方法进行排名，并提供详细的错误分析，突出了检测能力是关键瓶颈。