Simplification and unfolding of 3D mesh models: review and evaluation of existing tools
Notice bibliographique
Résumé
Generation of planar patterns from 3D shapes is required in many fields such as design of airplane wings, car bodies, shoes and textile products. Unfolding and folding processes are common methods to form a 3D shape from 2D surfaces. A 3D mesh surface is segmented in unfolding process to form 2D patches without overlapping. The patches are then used as patterns for cutting materials to fold them back into the 3D shape. A mesh surface can be very complex with a large number of triangles. It is often required to simplify meshes with some preserved geometrical details before the generation of planar patterns for unfolding. This paper reviews and evaluates existing software tools for both mesh simplification and unfolding of 3D shapes. Performance is evaluated for different simplification algorithms implemented in software tools such as Meshlab and Instant-Meshes. The optimal number of meshes is searched for the minimal error. The algorithms are evaluated based on the efficiency and accuracy of the simplified model. Hausdorff Distance measurement is used for the accuracy assessment. The study presents a comprehensive comparison of three different software tools in unfolding for generation of a set of 2D patches from 3D models. The software tools, Pepakura Designer, Blender and SketchUp, are compared in terms of functionalities and performances in the execution time, automation, number of generated 2D patches and editing tools. Case studies are conducted to illustrate the evaluation in both mesh simplifications and unfolding procedures.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».