投审稿平台


投稿指南
下载专区
地  址:北京市海淀区中关村科学院
南路6号中国科学院计算所342号 [地图]
《计算机辅助设计与图形学学报》编辑部
邮政编码:100190
电  话:010-62562491
          010-62600342
订阅信息
ISSN      1003-9775
CN        11-2925/TP
邮发代号:82-456
单    价:80.00元
全年订价:960.00元
在线期刊

基于卷积神经网络的多孔结构设计

沈隽晟1), 姚 远1,2,3)*
1) (上海大学机电工程与自动化学院快速制造工程中心 上海 200444)2) (上海市智能制造及机器人重点实验室 上海 200072)3) (上海大学工程训练国家级实验教学示范中心 上海 200444)
分类号: TP391.41 DOI: 10.3724/SP.J.1089.2018.16522
出版年,卷(期):页码: 2018 , 30 ( 4 ): 739-746 沈隽晟
摘要: 为在模型内部生成模式可控的多孔结构, 提出一种将二维孔隙模式转换到三维结构的设计方法. 首先将孔隙设计模式分为孔隙分布和孔隙形状2类特征, 然后使用卷积神经网络从训练集中提取孔隙分布特征, 最后使用一个模式转换流程将孔隙分布转化到三维网格模型中. 实验结果证明, 该方法能够为多孔结构设计提供一个有效的机制.
关键词: 多孔结构; 卷积神经网络; 风格迁移; 聚类; 3D重建
Porous Model Design Using Artificial Neural Network
Shen Junsheng1) and Yao Yuan1,2,3)*
1) (Rapid Manufacture Engineering Center, Mechatronic Engineering and Automation College, Shanghai University, Shanghai 200444) 2) (Shanghai Key Laboratory of Intelligent Manufacturing and Robotics, Shanghai 200072)3) (National experimental teaching demonstration center of engineering training, Shanghai University, Shanghai 200444)
abstract: In order to generate controllable porous structure inside different models, we present a method of transferring the two-dimensional porous pattern to three-dimensional structures in this paper. The porous pattern is consisted of the distribution pattern and filling pattern. A convolutional neural network is used to memorize the distribution pattern, and a pattern transferring process is applied to transfer the two-dimen¬sional distribution to three-dimensional models. Experiments verified that our method can provide an effective mechanism for porous structure design.
keyword: porous structure; convolutional neural network; style transfer; clustering; 3D rebuilding
 
Copyright © 2004《计算机辅助设计与图形学学报》版权所有
电话:010-62600342 传真:010-62562491
E_mail:jcad@ict.ac.cn