技术图纸的深度向量化
使用深度学习方法将设计图纸转换为数字格式,以解决其在实体形式下的维护、存档和使用的困难,并通过对象检测模型、边缘检测算法、曲线检测技术和光学字符识别工具提高转换的准确性和效率,进而提高组织的生产力、促进协作并方便地保留有价值的设计信息。
Mar, 2024
研究进行了关于机器学习兼容的矢量化方法的研究,发现尽管现有的方法能够直接指定形状数量和类型,但其工作时间很长且无法准确重现原始图像,因此我们认为没有快速的通用自动方法,需要对每种方法进行人工控制。
Jun, 2023
本论文提出了一种基于帧场处理的数学算法的新型图像矢量化方法,该算法旨在解决现代算法在转向点处无法忠实矢量化的问题,从而提高矢量化工具的实用性和自动矢量化软件的使用率。
Jan, 2018
我们提出了一种数据驱动方法,利用卷积神经网络 (CNN) 从一个或多个涂鸦中学习重建 3D 形状,为用户提供最初的 3D 重建并可以通过应用更新器 CNN 来迭代更新和融合多视角信息,从而实现自由的位图创作和多视角草图建模之间的连续转换。
Jul, 2017
最近计算机视觉(CV)和自然语言处理的快速发展受益于对实际应用中的大数据的利用。然而,这些研究领域仍受到可用数据集的数量、多样性和多样性的限制。本研究介绍了 DeepPatent2,这是一个大规模数据集,提供了超过 270 万张技术绘图,其中包含 132,890 个对象名称和 22,394 个视角,提取自 14 年的美国设计专利文件。我们展示了 DeepPatent2 在概念字幕生成方面的实用性,同时还提供了我们的数据集在促进其他研究领域如三维图像重建和图像检索方面的潜在用途。
Nov, 2023
本文介绍了一种从扫描的 2D 平面图重建矢量化 3D 模型的流程,以提高数字化过程的效率,该方法在公共数据集 CubiCasa5k 中实现了最先进的结果,并表现出较好的推广性,其矢量化方法特别有效,优于以前的方法。
Jun, 2023
这篇论文通过使用 CNN 和 IP 算法,从单一 RGB 图像中推断出室外建筑物的 2D 平面图结构,取得了显著的结果,并提出了可供分享的代码和数据。
Dec, 2019
AR/VR 发展迅速,对 3D 内容需求巨大。本研究提出一种基于手绘草图的 3D 建模方法,使用单个手绘草图生成高保真内容,无需多个视图或步骤。采用端到端方法,引入轻量级生成网络和结构感知对抗训练,并通过 Stroke Enhancement Module(SEM)捕捉结构信息,提升性能。实验证明该方法在合成和真实数据集上具有最先进的性能。
Sep, 2023
本研究提出了一种基于深度学习的素描系统用于 3D 人脸和漫画建模,它具有省力且自由的手绘界面,并支持基于手势的用户交互。
Jun, 2017
本文提出了一种基于机器学习的方法,通过数字表面模型和全色影像的输入,使用条件生成对抗网络筛选出非建筑物,然后借助于语义分割网络检测出建筑物屋顶的边缘和角点,并提出一组矢量化算法来构建屋顶多边形,最终从改进后的表面模型中添加高度信息,以获得完全矢量化的精细建筑模型。在大型卫星图像上对我们的方法进行了验证,并取得了最先进的性能。
Apr, 2021