Nomi Yu Md Ferdous Alam A. John Hart Faez Ahmed

الملخص

تُعدّ برامج التصميم بالذكاء الاصطناعي (CAD)، التي تُصاغ على شكل سلاسل بارامترية من الأوامر تُجمَع لتوليد هندسات ثلاثية الأبعاد دقيقة، أساسية لعمليات التصميم الهندسي الدقيقة والفعّالة. لا يزال إنشاء هذه البرامج من بيانات غير بارامترية مثل السحاب النقطية والشبكات (meshes) مهمًا جدًا لكنه يواجه صعوبات كبيرة، وغالبًا ما يتطلب تدخلًا يدويًا واسع النطاق. وتُعاني النماذج العميقة التوليدية الحالية التي تهدف إلى أتمتة إنشاء CAD من قيود كبيرة ناتجة عن مجموعات بيانات غير متوازنة وصغيرة جدًا، لا سيما تلك التي تعاني من نقص في تمثيل البرامج الهندسية المعقدة. ولحل هذه المشكلة، نقدّم "GenCAD-3D"، وهي إطار توليدي متعدد الوسائط يعتمد على التعلم المُتَقَارِن (contrastive learning) لمحاذاة التضمينات الخفية بين مشغّلات CAD ومشغّلات الهندسة، مُدمجًا مع نماذج التشتت في الفضاء الخفي (latent diffusion models) لتوليد واسترجاع تسلسلات CAD. بالإضافة إلى ذلك، نقدّم "SynthBal"، وهي استراتيجية توليد بيانات اصطناعية مُصممة خصيصًا لموازنة وتوسيع مجموعات البيانات، وبخاصة لتعزيز تمثيل الهياكل الهندسية المعقدة في CAD. تُظهر تجاربنا أن SynthBal يُحسّن بشكل كبير دقة إعادة البناء، ويقلّل من إنشاء نماذج CAD غير صالحة، ويُحسّن الأداء بشكل ملحوظ على الهياكل ذات التعقيد العالي، متفوّقًا على المعايير الحالية. تمثّل هذه التطورات تأثيرات كبيرة في تسريع عملية الهندسة العكسية وتعزيز الأتمتة في تصميم الهندسة. وسوف نُطلق رسميًا مجموعات البيانات والكود الخاص بنا، بما في ذلك مجموعة من 51 قطعة مطبوعة ثلاثية الأبعاد ومُسحّنة ليزرًا، على موقع المشروع.