[논문 리뷰] Fusion 360 Gallery: A Dataset and Environment for Programmatic CAD Reconstruction

Karl D. D. Willis, Yewen Pu외 6명|arXiv (Cornell University)|2021. 05. 04.

3D Surveying and Cultural Heritage인용 수 14

한 줄 요약

이 논문은 8,625개의 파라미터 기반 CAD 설계를 포함한 Fusion 360 갤러리 데이터셋과 CAD 재구성 모델을 훈련하고 평가하기 위한 Fusion 360 Gym 환경을 소개한다. 이는 목표 기하구조에서 구성 순서를 재구성하는 데 최신 기술 수준의 성능을 달성하는 새로운 신경망 가이드 검색 방법을 제안하며, 기계학습 기반 CAD 재구성에 대한 기준을 설정한다.

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.

연구 동기 및 목표

• 인간이 설계한 파라미터 기반 CAD 구성 순서에 대한 공개된 데이터셋 부족 문제를 해결하기 위해.
• 표준화된 데이터셋과 훈련 환경을 제공하여 기계학습 기반 CAD 재구성 연구를 가능하게 하기 위해.
• 목표 기하구조에서 3D CAD 모델을 재구성하는 데 대한 기준 작업과 평가 지표를 설정하기 위해.
• 3D 기하구조에서 정확한 구성 순서를 복구하기 위한 신경망 가이드 검색 방법을 개발하고 평가하기 위해.

제안 방법

• Fusion 360 갤러리 데이터셋은 스케치 및 익스트루드와 같은 세부적이고 순차적인 모델링 작업을 포함한 8,625개의 실제 CAD 설계를 수집한다.
• Fusion 360 Gym은 강화학습 호환 환경을 제공하여 CAD 재구성 에이전트의 훈련과 평가를 가능하게 한다.
• 학습된 정책 네트워크를 활용하여 타당한 구성 순서를 탐색하는 데 목적이 있는 새로운 신경망 가이드 검색 알고리즘을 제안한다.
• 목표 기하구조를 재구성할 가능성이 높은 작업 순서를 우선시하는 미분 가능한 검색 전략을 사용한다.
• 유효하고 타당한 CAD 구성 경로를 보장하기 위해 기하학적 및 위상적 제약 조건을 통합한다.
• 시퀀스 정확도, 기하학적 유사도, 구조적 충실도와 같은 지표를 사용하여 평가를 수행한다.

실험 결과

연구 질문

• RQ1 기계학습 기반 방법이 3D 기하구조만으로도 파라미터 기반 CAD 구성 순서를 효과적으로 재구성할 수 있는가?
• RQ2 CAD 재구성 작업에서 신경망 가이드 검색은 무작위 또는 히우리스틱 검색보다 어떻게 비교되는가?
• RQ3 기하구조 입력만으로 복잡한 CAD 모델을 얼마나 정확하게 재구성할 수 있는가?
• RQ4 제안된 방법이 다양한 CAD 설계 패턴과 기하구조에 대해 얼마나 일반화 가능한가?
• RQ5 강력하고 확장 가능한 CAD 재구성 프레임워크의 핵심 구성 요소는 무엇인가?

주요 결과

• 제안된 신경망 가이드 검색 방법은 목표 기하구조에서 정확한 구성 순서를 재구성하는 데 72.3%의 상위 1위 정확도를 달성한다.
• Fusion 360 갤러리 데이터셋은 CAD 재구성 모델의 훈련과 평가에 상당한 향상을 이끌어낸다.
• 무작위 검색 및 급진적 히우리스틱과 같은 기준 방법보다 시퀀스 정확도에서 30퍼센트 이상 높은 성능을 기록한다.
• Fusion 360 Gym 환경은 CAD 재구성 에이전트의 재현 가능한 훈련과 평가를 지원한다.
• 데이터셋은 인간 설계자가 사용하는 다양한 설계 패턴과 구성 전략를 드러내어 향후 모델 개발에 유용한 통찰을 제공한다.
• 결과는 기하구조 입력만으로도 복잡한 파라미터 기반 CAD 순서를 효과적이고 정확하게 재구성할 수 있음을 입증한다.