cad.net 从BRep到神经网络BRepNet

你有种再说一遍

今天又是一个日常劝学C#大礼包,
从头梳理一下你将面临的痛苦和快乐,把一些学习路线给到大家.

然后我们打一些3d基础,再进入神经网络,
桌子用的是一套卷积,卷积是分类功能,主要是可以自行识别BRep结构信息中的钣金加工孔.

连桌子玩AI都是用OCC吗,有趣.
我还发现AI技术方向很多啊,难怪要么不发展,发展起来就累死人.
例如你可以用CLIP和BRepNet融合,
通过描述文本向量和BRep结构向量之间做点积,共享语义空间,得到相似性从而获取到交叉熵.
就可以多模态生成三维图元.
这个描述文本其实是CAD命令+参数.

不过,众所周知,描述性生成精确图元?听起来就很奇怪.
少了一些约束机制,可能有其他方案但是没有成熟.
就连图片上面数手指都有问题,
这恐怕仍然需要发展卷积神经网络,
毕竟卷积神经网络可以提供深层次特征信息和多模态模型还是不一样.
而且卷积有的问题,它俩都有,例如旋转一定角度就不认识了.
https://www.cnblogs.com/JJBox/p/19029475


改了一下搜索引擎文章,
引入市面常用的LuceneNet,发现之前的架构没想好,
反正也没啥人真的做过,嘻嘻.
而且它还可以找到乱码所在文档,这是我没有想到的.
https://www.cnblogs.com/JJBox/p/18580188

旧文想法在此:
http://bbs.mjtd.com/thread-191491-1-1.html

搜索引擎的实现就会涉及NLP自然语言处理,
NLP又会涉及翻译,
翻译又延伸到Transformer,
Transformer就是本轮AI的狂热起点.

CAD->BRep->BRepNet卷积->Transformer->CLIP->约束生成
(完)

angel066499

沙发，惊大师的研究很有价值！