Models partition for 3D printing objects using skeleton
Notice bibliographique
Résumé
Purpose It is a challenge to print a model with the size that is larger than the working volume of a three-dimensional (3D) printer. The purpose of this paper is to present a feasible approach to divide a large model into small printing parts to fit the volume of a printer and then assemble these parts into the final model. Design/methodology/approach The proposed approach is based on the skeletonization and the minima rule. The skeleton of a printing model is first extracted using the mesh contraction and the principal component analysis. The 3D model is then partitioned preliminarily into many smaller parts using the space sweep method and the minima rule. The preliminary partition is finally optimized using the greedy algorithm. Findings The skeleton of a 3D model can effectively represent a simplified version of the geometry of the 3D model. Using a model’s skeleton to partition the model is an efficient way. As it is generally desirable to have segmentations at concave creases and seams, the cutting position should be located in the concave region. The proposed approach can partition large models effectively to well retain the integrity of meaningful parts. Originality/value The proposed approach is new in the rapid prototyping field using the model skeletonization and the minima rule. Based on the authors’ knowledge, there is no method that concerns the integrity of meaningful parts for partitioning. The proposed method can achieve satisfactory results by the integrity of meaningful parts and assemblability for most 3D models.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».