component based shape synthesis

use case

Published
december 6, 2021

Doel: designverkenning door het synthetiseren van nieuwe vormen en voorwerpen met behulp van een combinatie van 3Dmesh-componenten verkregen uit bestaande modellen.

Er is een overlap tussen artificiële intelligentie en procedurele generatie. Een voorbeeld daarvan is het gebruiken van machine learning voor het segmenteren van 3D-modellen. De gesegmenteerde componenten kunnen gebruikt worden om nieuwe 3D-modellen te creëren die bestaan uit die modulaire componenten. Dat is mogelijk met behulp van collecties van 3D-modellen die bedrijven over de jaren heen opbouwen, naast de vrij beschikbare online verzamelingen. In deze use case werden verschillende methodes getest en geïmplementeerd om de praktische mogelijkheden daarvan te exploreren.

De best verkregen segmentatie werd verkregen met behulp van de methode Hier Seg (Li Yi et al.). De methode voorziet naast segmentatie ook hiërarchie van de componenten, wat nuttig is voor het recombineren. Dat vereist dat de modellen gelabeld zijn. De methode bouwt namelijk een structuur op die dan ook aan gelabelde componenten in de mesh worden toegekend. De labeling en hiërarchie van de componenten worden geëxporteerd uit matlab. Vervolgens hercombineert een pythonscript de componenten tot nieuwe 3D-modellen.

Component based shape synthesis kan nuttig zijn om snel designexploratie en hergebruik van bestaande 3D-modellen te faciliteren. Er is in deze techniek een enorm groot potentieel om 3D-content libraries uit te breiden of zelfs gewoon om bestaande modellen op te delen in modulaire componenten.

Daarnaast bestaat ook de mogelijkheid om zelf modulaire componenten toe te voegen aan de componentenverzamelingen die opgesteld worden door de AI, die dan gecombineerd kunnen worden in 3D-software of zelfs in een game engine.