728x90 [논문 리뷰] CADReview: Automatically Reviewing CAD Programs with Error Detection and Correction 논문 원본https://arxiv.org/abs/2505.22304 IntroductionCAD는 산업 디자인과 제조 분야에서 제품 프로토타입을 만드는 데 핵심적인 역할을 합니다. CAD는 3D 객체를 기하학적 명령어의 순서, 즉 CAD 프로그램으로 표현합니다.AutoCAD, SketchUp, Rhino, FreeCAD 등 다양한 3D 모델링 소프트웨어가 있지만, 디자인 작업은 여전히 기술적으로 어렵고 시간이 많이 소요됩니다. 특히 디자이너들은 자신이 만든 3D 모델이 설계도 (참조 이미지) 와 정확히 일치하는지 확인하기 위해 여러 번에 걸쳐 세심하게 검토하고 수정하는 과정을 거쳐야 합니다.최근 AI 모델들이 CAD 프로그램을 생성하는 연구가 있었지만, 생성된 3D 객체에는 종종 오류가 포함되어 있습니다.. 2025. 8. 5. [논문 리뷰] CAD-Llama: Leveraging Large Language Models for Computer-Aided Design Parametric 3D Model Generation 논문 원본https://arxiv.org/abs/2505.04481Introduction기존의 LLM은 텍스트나 일반 프로그래밍 코드는 잘 생성하지만, 3D 모델링에 사용되는 Parametric CAD 데이터를 직접 다루는 데에는 여러 문제가 있습니다.데이터 형식의 불일치: LLM은 자연어를 기반으로 학습하지만, CAD 데이터는 Extrude(sketch, distance=10), Circle(center, radius)와 같은 명령어와 숫자 파라미터의 연속입니다. LLM이 이 형식을 바로 이해하기 어렵습니다.3D 공간 및 구조 인식 부족: LLM은 3D 모델의 기하학적 형태나 부품 간의 공간적 관계에 대한 직접적인 지식이 없습니다.의미 정보 부재: CAD 명령어 시퀀스에는 "이 부품은 지지대 역할을 한.. 2025. 6. 26. [상세한 논문 리뷰] 3D-LLM: Injecting the 3D World into Large Language Models 논문 원본 https://arxiv.org/abs/2307.12981 AbstractLarge language models (LLMs)과 Vision-Language Models(VLMs)는 빠른 속도로 성장하고 있습니다. 그러나 실제 물리 세계와 가장 연관이 깊은, 3D 데이터를 설명하는 LLM은 이전까지 다루어지지 않았습니다. 본 연구는 3D 데이터를 설명하는 Large language model을 제안합니다.3D 데이터로 널리 알려진 point cloud 데이터를 input으로 하여, 다양한 3D 관련 task들을 수행하게 됩니다.Introduction지난 몇 년간, GPT4와 같은 LLM 모델들은 빠른 성장을 해왔습니다. 그러나 실제 세계와 연관된 3D 데이터를 다루는 연구는 많지 않았습니다. .. 2025. 3. 10. 6. The Binomial Distribution (이항 분포) 본 포스팅은 충남대학교 이윤희 교수님의 수리통계및실습 수업과 Probability and Statistical Inference(Hogg, Tanis, Zimmerman 저)를 참고하였습니다. 우리가 고등학교 때 배운 binomial distribution은 다음과 같습니다. space of X가 discrete한 타입에 대해서 성공할 확률을 p 실패할 확률을 q (= 1-p)라고 했을 때 x번 성공할 확률을 계산하는 방법입니다. 위 식은 그때의 p.m.f.를 나타낸 것입니다. 총 n번의 시행 중 x만큼의 성공을 함으로 C(n, x)를 통해 성공 회차의 index를 결정하고 서로 다른 시행에서 성공과 실패는 independent하기 때문에 위와 같은 식이 나옵니다. Def) Bernoulli experi.. 2023. 9. 26. 2.1. Decision Tree (의사결정 나무) 본 포스팅은 충남대학교 박정희 교수님의 기계학습 수업과 으뜸 머신러닝 (강영민 , 박동규 저)를 참고하였습니다. 결정 트리를 이용한 분류결정 트리는 decision tree라고도 합니다. 결정 트리는 귀납 추론을 위해 자주 사용되는 실용적인 방법입니다. 일반적인 트리 구조를 생각 해보면 가장 위에 루트 노드(root)에서 시작하여 차례로 중간 노드(internal)들을 거쳐 단말 노드(leaf)로 마무리 되는 구조입니다. 결정 트리도 일반적인 트리 구조를 따라 루트 -> 중간 -> 단말 순으로 알고리즘을 실행합니다. 이렇게 순차적으로 내려가는 방식을 rule - base라고 합니다.그림을 살펴보면 '공의 크기' 부분이 가장 위에 있으므로 루트 노드입니다. '경기장 중앙 네트', '손을 쓰냐' 부분은 중간.. 2023. 9. 22. 이전 1 2 3 4 ··· 7 다음 728x90
