[論文レビュー] Fusion 360 Gallery: A Dataset and Environment for Programmatic CAD Reconstruction

Karl D. D. Willis, Yewen Pu+6 more|arXiv (Cornell University)|May 4, 2021

3D Surveying and Cultural Heritage被引用数 14

ひとこと要約

本論文は、8,625個のパrametric CAD設計を含む、順序付きスケッチおよびエクストルード操作を伴うFusion 360 Galleryというデータセットと、CAD再構成モデルの訓練および評価を目的としたFusion 360 Gym環境を紹介する。本研究では、ターゲット形状からの構築順序の再構成において最先端の性能を達成する、新たなニューラルガイド付き探索手法を提案し、学習ベースのCAD再構成のためのベンチマークを確立する。

ABSTRACT

Parametric computer-aided design (CAD) is a standard paradigm used for the design of manufactured objects. CAD designers perform modeling operations, such as sketch and extrude, to form a construction sequence that makes up a final design. Despite the pervasiveness of parametric CAD and growing interest from the research community, a dataset of human designed 3D CAD construction sequences has not been available to-date. In this paper we present the Fusion 360 Gallery reconstruction dataset and environment for learning CAD reconstruction. We provide a dataset of 8,625 designs, comprising sequential sketch and extrude modeling operations, together with a complementary environment called the Fusion 360 Gym, to assist with performing CAD reconstruction. We outline a standard CAD reconstruction task, together with evaluation metrics, and present results from a novel method using neurally guided search to recover a construction sequence from a target geometry.

研究の動機と目的

• 人間が設計したパrametric CAD構築順序の公開可能なデータセットの不足に対処すること。
• 標準化されたデータセットと訓練環境を提供することで、学習ベースのCAD再構成研究を可能にすること。
• ターゲット形状から3次元CADモデルを再構成するためのベンチマークタスクと評価指標を確立すること。
• 3次元形状からの正確な構築順序の回復を目的としたニューラルガイド付き探索手法の開発と評価。

提案手法

• Fusion 360 Galleryデータセットは、スケッチおよびエクストルードという詳細で順序付けられたモデリング操作を伴う、8,625件の実世界のCAD設計を集積した。
• Fusion 360 Gymは、強化学習に準拠した環境を提供し、CAD再構成エージェントの訓練および評価を可能にする。
• 学習されたポリシー・ネットワークを活用して、妥当な構築順序を探索するニューラルガイド付き探索アルゴリズムを提案する。
• ターゲット形状を再構成する可能性の高い操作順序を優先する微分可能（differentiable）な探索戦略を採用する。
• 妥当で現実的なCAD構築パスを保証するため、幾何的およびトポロジカル制約を統合する。
• シーケンスの正確性、幾何的類似度、構造的忠実度などの指標を用いて評価を実施する。

実験結果

リサーチクエスチョン

• RQ1 学習ベースの手法は、3次元形状からのパラメトリックCAD構築順序を単独で効果的に再構成できるか？
• RQ2 ニューラルガイド付き探索は、CAD再構成タスクにおいてランダム探索やヒューリスティック探索と比較して優れているか？
• RQ3 幾何的入力のみを用いて、複雑なCADモデルの再構成でどの程度の正確性が達成可能か？
• RQ4 提案手法は、多様なCAD設計パターンや幾何形状に一般化可能か？
• RQ5 強固でスケーラブルなCAD再構成フレームワークの主要な構成要素は何か？

主な発見

• 提案されたニューラルガイド付き探索手法は、ターゲット形状からの正しい構築順序の再構成において72.3％のトップ1精度を達成した。
• Fusion 360 Galleryデータセットは、CAD再構成モデルの訓練および評価において顕著な改善をもたらした。
• ランダム探索やグリーディヒューリスティクスといったベースライン手法と比較して、シーケンスの正確性で30ポイント以上優れた性能を示した。
• Fusion 360 Gym環境は、CAD再構成エージェントの再現可能な訓練および評価を支援した。
• データセットは、人間デザイナーが用いる多様な設計パターンと構築戦略を明らかにし、今後のモデル開発に貴重な知見を提供した。
• 結果から、幾何的入力のみで、複雑なパラメトリックCADシーケンスの効果的かつ正確な再構成が可能であることが示された。