[发明专利]用于探索设计空间的基于形状的技术在审
申请号: | 201980071571.5 | 申请日: | 2019-10-28 |
公开(公告)号: | CN112955892A | 公开(公告)日: | 2021-06-11 |
发明(设计)人: | T·戴维斯;M·哈利;A·达尼埃良;M·菲比安 | 申请(专利权)人: | 欧特克公司 |
主分类号: | G06F30/10 | 分类号: | G06F30/10;G06F30/27 |
代理公司: | 北京市磐华律师事务所 11336 | 代理人: | 高伟 |
地址: | 美国加利*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 探索 设计 空间 基于 形状 技术 | ||
1.一种用于生成三维(3D)几何形状的计算表示的计算机实现的方法,所述方法包括:
针对包括在与第一3D几何结构相关联的第一多个视图中的每个视图,基于第一卷积神经网络(CNN)块来生成视图激活;
聚合所述视图激活以生成第一平铺激活;
基于所述第一平铺激活和第二CNN块来生成具有固定大小的第一形状嵌入;
基于所述第一形状嵌入来生成第一多个重构视图;
基于所述第一多个视图和所述第一多个重构视图来对所述第一CNN块和所述第二CNN块中的至少一者执行一个或多个训练操作以生成经训练的编码器;以及
基于所述经训练的编码器来生成具有所述固定大小的第二形状嵌入。
2.如权利要求1所述的方法,其中聚合所述视图激活包括:沿着单个维度序接所述视图激活。
3.如权利要求1所述的方法,其中所述第二CNN块包括一个或多个2D CNN、之后是全连接层。
4.如权利要求1所述的方法,其中执行所述一个或多个训练操作包括:
基于损失函数来确定所述第一CNN块未经训练;
基于所述损失函数来修改与所述第一CNN块相关联的一个或多个机器学习参数以生成第三CNN块;
基于所述第三CNN块和所述第二CNN块来生成第二多个重构视图;以及
基于所述损失函数、所述第一多个视图和所述第二多个重构视图来确定所述第三CNN块和所述第二CNN块构成所述经训练的编码器。
5.如权利要求1所述的方法,其中生成所述第一多个重构视图包括:
基于所述第一形状嵌入和第三CNN块来生成经解码的平铺激活;
将所述经解码的平铺激活划分成多个经解码的视图激活;以及
针对包括在所述多个经解码的视图激活中的每个经解码的视图激活,基于第四CNN块来生成包括在所述第一多个重构视图中的不同的重构视图。
6.如权利要求5所述的方法,其还包括:基于损失函数来修改与第五CNN块相关联的一个或多个机器学习参数以生成所述第三CNN块。
7.如权利要求1所述的方法,其还包括:针对包括在多个虚拟相机中的每个虚拟相机,基于所述虚拟相机来渲染所述第一3D几何结构以生成包括在所述第一多个视图中的不同的视图。
8.如权利要求1所述的方法,其中生成包括在所述视图激活中的第一视图激活与生成包括在所述视图激活中的第二视图激活至少部分地并行发生。
9.如权利要求1所述的方法,其中所述第二形状嵌入与通过生成式设计流程自动生成的3D设计相关联。
10.如权利要求1所述的方法,其中所述第二形状嵌入与第二3D几何结构相关联,并且所述方法还包括:
基于所述经训练的编码器和第三3D几何结构来生成具有所述第一大小的第三形状嵌入;以及
在探索设计空间时在所述第二形状嵌入与所述第三形状嵌入之间执行一个或多个比较操作。
11.一种或多种非暂时性计算机可读介质,其包括指令,所述指令在由一个或多个处理器执行时致使所述一个或多个处理器执行以下步骤:
针对包括在与第一3D几何结构相关联的第一多个视图中的每个视图,基于第一卷积神经网络(CNN)块来生成视图激活;
聚合所述视图激活以生成第一平铺激活;
基于所述第一平铺激活和第二CNN块来生成具有固定大小的第一形状嵌入;
基于所述第一形状嵌入来生成第一多个重构视图;
基于所述第一多个视图和所述第一多个重构视图来对所述第一CNN块和所述第二CNN块中的至少一者执行一个或多个训练操作以生成经训练的编码器;以及
基于所述经训练的编码器来生成具有所述固定大小的第二形状嵌入。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于欧特克公司,未经欧特克公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201980071571.5/1.html,转载请声明来源钻瓜专利网。