SECAD-Net: إعادة بناء نماذج CAD ذاتية التعلم من خلال تعلم عمليات الرسم والتوسيع

إعادة هندسة نماذج CAD من الهندسة الخام هي مشكلة بحثية كلاسيكية ولكنها شاقة. تعتمد الأساليب السابقة القائمة على التعلم بشكل كبير على العلامات بسبب الأنماط التصميمية المراقبة أو إعادة بناء أشكال CAD التي تكون صعبة التعديل. في هذا البحث، نقدم SECAD-Net، شبكة عصبية من النهاية إلى النهاية موجهة لإعادة بناء نماذج CAD مضغوطة وسهلة التعديل بطريقة ذاتية المراقبة. مستوحاة من لغة النمذجة الأكثر استخدامًا في برامج CAD الحديثة، نقترح تعلم الرسومات ثنائية الأبعاد والمعلمات ثلاثية الأبعاد للتشطيب من الأشكال الخام، حيث يمكن إنتاج مجموعة من الأسطوانات المشطوبة عن طريق تشطيب كل رسمة من مستوى ثنائي الأبعاد إلى جسم ثلاثي الأبعاد. من خلال دمج العملية البوليانية (أي الاتحاد)، يمكن الجمع بين هذه الأسطوانات لتقريب الهندسة المستهدفة بشكل وثيق. ندعو إلى استخدام الحقول الضمنية لتمثيل الرسومات، مما يتيح إنشاء تباينات CAD عن طريق تقريب الكود الخفي في فضاء الرسومات الخفية. تُظهر التجارب الواسعة على كلٍ من مجموعتي بيانات ABC وFusion 360 فعالية طريقتنا وتتفوق على البدائل المتقدمة حاليًا، بما في ذلك الطريقة المرتبطة ارتباطًا وثيقًا بإعادة بناء CAD تحت الإشراف. كما نطبق نهجنا على تحرير CAD وإعادة بناء CAD من وجهة واحدة. تم إطلاق الكود في https://github.com/BunnySoCrazy/SECAD-Net.