-
公开(公告)号：CN117725966B
公开(公告)日：2024-06-11
申请号：CN202410179959.X
申请日：2024-02-18
申请人： 粤港澳大湾区数字经济研究院(福田) , 深圳市万翼数字技术有限公司
IPC分类号： G06N3/0455 , G06N3/08 , G06T17/00 , G06F30/27
摘要： 本申请公开了一种草图序列重建模型的训练方法、几何模型重建方法及设备，所述训练方法包括获取训练数据集；将训练数据集中的训练点云数据输入预设网络模型，通过预设网络模型确定预测草图序列参数以及预测点云边界；基于所述预测草图序列参数、所述预测点云边界、所述标注草图序列参数以及所述标注点云边界确定目标损失项，并基于所述目标损失项对所述预设网络模型进行优化，以得到草图序列重建模型。本申请通过将点云分割任务和草图序列预测任务结合，显著提高网络对深层点云信息的提取，提高参数预测精度，解决了三维点云到草图序列重建中的边界不清晰及无法直接转换成建模序列的问题，大大提高了逆向工程的智能化和效率。
-
公开(公告)号：CN117725767B
公开(公告)日：2024-08-23
申请号：CN202410179867.1
申请日：2024-02-18
申请人： 粤港澳大湾区数字经济研究院(福田) , 深圳市万翼数字技术有限公司
摘要： 本发明公开了一种参数化构件模型自动生成方法、插件、系统、终端及介质，所述方法包括：将用于建模的源数据输入基于人工智能的三维模型生成网络，获得三维模型构建序列数据，所述三维模型构建序列数据包括几何实体数据、构建序列操作数据和构件模型类别；基于所述构建序列操作数据和所述几何实体数据，在目标建模软件中创建构件模型；根据所述构件模型类别设定所述构件模型的类别和参数，获得参数化构件模型。能够准确高效地生成参数化构件模型，实现了参数化构件模型的自动化生成。
-
公开(公告)号：CN117935291B
公开(公告)日：2024-06-11
申请号：CN202410331956.3
申请日：2024-03-22
申请人： 粤港澳大湾区数字经济研究院(福田) , 深圳市万翼数字技术有限公司
IPC分类号： G06V30/19 , G06V30/422 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了草图生成模型的训练方法、草图生成方法、终端及介质，方法包括：构建训练数据集，在训练数据集中添加噪声，得到加噪后的训练数据集，其中，训练数据集包括离散化的图结构数据或者SDF数据；将加噪后的训练数据集输入至深度神经网络模型中，得到预测草图结构数据，其中，深度神经网络模型为以Transformer架构为核心的网络模型或者为以Unet架构为核心的网络模型；基于训练数据集与预测草图结构数据，确定损失函数，并基于损失函数对深度神经网络模型进行迭代训练，得到草图生成模型。本发明发挥了数据结构特性，训练得到草图生成模型可以有效解决数据结构特性难以捕获的问题，提高了生成的草图结构数据的合理性。
-
公开(公告)号：CN117935291A
公开(公告)日：2024-04-26
申请号：CN202410331956.3
申请日：2024-03-22
申请人： 粤港澳大湾区数字经济研究院(福田) , 深圳市万翼数字技术有限公司
IPC分类号： G06V30/19 , G06V30/422 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了草图生成模型的训练方法、草图生成方法、终端及介质，方法包括：构建训练数据集，在训练数据集中添加噪声，得到加噪后的训练数据集，其中，训练数据集包括离散化的图结构数据或者SDF数据；将加噪后的训练数据集输入至深度神经网络模型中，得到预测草图结构数据，其中，深度神经网络模型为以Transformer架构为核心的网络模型或者为以Unet架构为核心的网络模型；基于训练数据集与预测草图结构数据，确定损失函数，并基于损失函数对深度神经网络模型进行迭代训练，得到草图生成模型。本发明发挥了数据结构特性，训练得到草图生成模型可以有效解决数据结构特性难以捕获的问题，提高了生成的草图结构数据的合理性。
-
公开(公告)号：CN117725966A
公开(公告)日：2024-03-19
申请号：CN202410179959.X
申请日：2024-02-18
申请人： 粤港澳大湾区数字经济研究院(福田) , 深圳市万翼数字技术有限公司
IPC分类号： G06N3/0455 , G06N3/08 , G06T17/00 , G06F30/27
摘要： 本申请公开了一种草图序列重建模型的训练方法、几何模型重建方法及设备，所述训练方法包括获取训练数据集；将训练数据集中的训练点云数据输入预设网络模型，通过预设网络模型确定预测草图序列参数以及预测点云边界；基于所述预测草图序列参数、所述预测点云边界、所述标注草图序列参数以及所述标注点云边界确定目标损失项，并基于所述目标损失项对所述预设网络模型进行优化，以得到草图序列重建模型。本申请通过将点云分割任务和草图序列预测任务结合，显著提高网络对深层点云信息的提取，提高参数预测精度，解决了三维点云到草图序列重建中的边界不清晰及无法直接转换成建模序列的问题，大大提高了逆向工程的智能化和效率。
-
公开(公告)号：CN117725767A
公开(公告)日：2024-03-19
申请号：CN202410179867.1
申请日：2024-02-18
申请人： 粤港澳大湾区数字经济研究院(福田) , 深圳市万翼数字技术有限公司
摘要： 本发明公开了一种参数化构件模型自动生成方法、插件、系统、终端及介质，所述方法包括：将用于建模的源数据输入基于人工智能的三维模型生成网络，获得三维模型构建序列数据，所述三维模型构建序列数据包括几何实体数据、构建序列操作数据和构件模型类别；基于所述构建序列操作数据和所述几何实体数据，在目标建模软件中创建构件模型；根据所述构件模型类别设定所述构件模型的类别和参数，获得参数化构件模型。能够准确高效地生成参数化构件模型，实现了参数化构件模型的自动化生成。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.077 秒)
