HistCAD: Constraint-Aware Parametric CAD Histories for Evaluating Editability
University of Science and Technology of China(中国科学技术大学)
提出HistCAD表示标准、数据集和基准,通过显式约束记录草图、特征和操作,实现可编辑的参数化CAD序列生成与评估。
2026-10-09 cs.AI cs.GR
Text2CAD: Generating Sequential CAD Models from Beginner-to-Expert Level Text Prompts
DFKI(德国人工智能研究中心);RPTU Kaiserslautern-Landau(凯泽斯劳滕-兰道工业大学);MindGarage;BITS Pilani, Hyderabad(Pilani 理工学院海得拉巴校区)
提出首个从初级到专家级文本提示生成参数化CAD模型的AI框架Text2CAD,利用Transformer自回归网络,并通过混合指标评估验证了其在AI辅助设计中的潜力。
2024-09-25 cs.CV cs.GR
Fusion 360 Gallery: A Dataset and Environment for Programmatic CAD Construction from Human Design Sequences
Autodesk Research(欧特克研究院);Massachusetts Institute of Technology(麻省理工学院)
参数化计算机辅助设计(CAD)是用于设计制造对象的标准范例,其中3D形状被表示为CAD软件支持的程序。尽管参数化CAD的普及和研究社区的兴趣越来越大,目前还不存在一个简洁的编程形式的现实CAD模型的数据集。在本文中,我们介绍了融合360画廊,包括一个简单的语言,只有草图和挤出建模操作,和一个数据集的8,625人的设计序列表示在这种语言。我们还提出了一个交互式的环境,称为融合360健身房,它暴露了一个CAD程序的马尔可夫决策过程的顺序建设,使其可扩展到机器学习方法。作为我们的数据集和环境的用例,我们定义了从目标几何恢复CAD程序的CAD重建任务。我们报告的结果应用国家的最先进的方法,程序合成与神经引导搜索这项任务。
2021-05-17 cs.CV cs.GR cs.LG
XVoxel-Based Parametric Design Optimization of Feature Models
Zhejiang University(浙江大学)
参数优化是一种重要的产品设计技术,特别是在现代参数化特征CAD范式的背景下。然而,实现其全部潜力需要CAD和CAE之间的闭环(即,CAD/CAE集成),自动设计修改和仿真更新。传统上,模型转换的方法通常被用来形成循环,但这种工作方式很难自动化,需要手动输入。结果,整个优化过程太费力而不可接受。为了解决这个问题,本文介绍了一种新的参数优化方法,基于一个统一的模型表示方案,称为扩展体素(XVoxels)。该方案将特征模型和体素模型混合为语义体素的新概念,体素部分负责有限元求解,语义部分负责获取设计和仿真意图的高层信息。因此,它可以在设计模型和分析模型之间建立直接映射,这反过来又可以自动更新设计修改的仿真结果,反之亦然-有效地在CAD和CAE之间形成闭环。此外,提供了用于操纵XVoxel模型的鲁棒且高效的几何算法和用于模拟XVoxel模型的高效数值方法(基于最近的有限单元法)。所提出的方法已被验证了一系列的案例研究,越来越复杂,以证明其有效性。特别是,已经看到了高达55.8倍的现有的FCM方法的计算效率的提高。
2023-03-17 cs.CE cs.CV cs.GR
S-patch: Modification of the Hermite parametric patch
提出了一种新的Hermite三次矩形曲面片的改进形式:S-曲面片,该曲面片的对角曲线必须是3次而不是Hermite曲面片的6次。给出了条件的理论推导和实验结果。S-Patch适用于需要对u-v域进行不同细分的应用,不同程度的边界和对角线曲线是不可接受的。
2022-12-22 cs.GR
Self-Supervised Representation Learning for CAD
University of Washington(华盛顿大学);Adobe Research(奥多比研究院)
人造物体的设计主要由计算机辅助设计(CAD)工具控制。数据驱动的机器学习方法的辅助设计受到CAD原生格式(参数化边界表示(B-Rep))中缺乏标记数据的阻碍。B-Rep格式的几个机械零件数据集最近已被发布用于机器学习研究。然而,大规模数据库在很大程度上是未标记的,并且标记的数据集很小。此外,任务特定的标签集是罕见的,并且注释成本高。这项工作提出了利用未标记的CAD几何监督学习任务。我们学习了一种新的,混合隐式/显式表面表示的B-Rep几何,并表明,这种预训练显着提高了少样本学习性能,也达到了国家的最先进的性能在几个现有的B-Rep基准。
2022-10-19 cs.CV cs.GR
Engineering Sketch Generation for Computer-Aided Design
Autodesk Research(欧特克研究院)
工程草图构成了参数化计算机辅助设计(CAD)的2D基础,这是制造对象的最重要的建模范例。在本文中,我们解决的问题,基于学习的工程草图生成的第一步,合成和组成的参数化CAD模型。我们提出了两个生成模型,CurveGen和TurtleGen,工程草图生成。这两个模型生成曲线图元,而不需要草图约束求解器,并明确考虑拓扑结构,以供下游使用约束和3D CAD建模操作。我们发现,在我们的感知评估使用人类受试者的CurveGen和TurtleGen产生更逼真的工程草图相比,目前国家的最先进的工程草图生成。
2021-04-19 cs.CV cs.GR cs.LG
Differentiable 3D CAD Programs for Bidirectional Editing
现代CAD工具不仅将3D设计表示为几何形状,而且还表示为由几何操作组成的程序,每个操作都取决于一组参数。程序表示通过参数变化实现有意义和受控的形状变化。然而,当CAD模型没有被明确地创作以提前暴露选择的自由度时,仅通过参数编辑实现期望的修改是具有挑战性的。介绍了一种新颖的三维CAD程序双向编辑系统。除了编辑CAD程序外,用户还可以直接操作3D几何图形,我们的系统推断参数更新以保持两种表示同步。我们制定逆编辑作为一组约束优化目标,返回合理的更新程序参数,既符合用户的意图,并保持程序的有效性。我们的方法实现了一个自动微分的领域特定的语言CAD程序,提供衍生工具,这种优化可以快速执行任何表达的程序。我们的系统允许用户在设计迭代过程中交替操作程序和几何图形,从而实现对受限3D设计空间的快速交互式探索。虽然我们的方法不是为了优化几何拓扑结构的变化,我们表明它的表现力和性能足以让用户产生一组不同的设计变体,即使在CAD程序包含大量的参数。
2021-10-04 cs.GR
ABC: A Big CAD Model Dataset For Geometric Deep Learning
TU Berlin(柏林工业大学);Skoltech(斯科尔科沃科学技术研究所);IITP(信息传输问题研究所);New York University(纽约大学)
我们介绍了ABC-Dataset,这是一个包含100万个计算机辅助设计(CAD)模型的集合,用于研究几何深度学习方法和应用。每个模型都是显式参数化的曲线和曲面的集合,为微分量、斑块分割、几何特征检测和形状重建提供基础事实。对曲面和曲线的参数化描述进行采样,可以生成不同格式和分辨率的数据,从而为各种几何学习算法提供公平的比较。作为我们数据集的一个用例,我们执行了一个大规模的表面法线估计基准测试,比较了现有的数据驱动方法,并评估了它们与地面实况和传统法线估计方法的性能。
2019-04-30 cs.CG cs.CV cs.GR
CADTalk: An Algorithm and Benchmark for Semantic Commenting of CAD Programs
University of Edinburgh(爱丁堡大学);Microsoft Research Asia(微软亚洲研究院);Inria, Université Côte d’Azur(法国国家信息与自动化研究所,蔚蓝海岸大学);Delft University of Technology(代尔夫特理工大学);University College London(伦敦大学学院);Adobe Research(奥多比研究院)
本文提出CAD程序语义注释问题,通过结合程序解析与视觉语义分析,将程序分割为语义代码块并分配标签,并构建了包含5,288个机器生成和45个人工制作程序的基准数据集,达到83.24%准确率。
2024-03-25 cs.CV cs.GR
CAPRI-Net: Learning Compact CAD Shapes with Adaptive Primitive Assembly
Simon Fraser University(西蒙弗雷泽大学);Autodesk Research(欧特克研究院)
我们介绍CAPRI网络,一个神经网络学习紧凑和可解释的隐式表示的三维计算机辅助设计(CAD)模型,在自适应原始组件的形式。我们的网络需要一个输入的3D形状,可以作为一个点云或体素网格提供,并通过一个紧凑的组装二次曲面图元通过建设性的立体几何(CSG)操作重建它。该网络是自监督的,具有重建损失,导致具有尖锐边缘和合理CSG树的忠实3D重建,而没有任何地面真实形状组件。虽然CAD模型的参数化性质确实使它们在局部更具可预测性,但在形状层面上,存在大量的结构和拓扑变化,这对最先进的3D形状神经模型提出了重大的可推广性挑战。我们的网络通过对每个测试形状进行自适应训练来应对这一挑战,我们通过这些训练来微调在模型集合上预先训练的网络。我们在ShapeNet和ABC上评估了我们的学习框架,这是迄今为止最大和最多样化的CAD数据集,在重建质量,形状边缘,紧凑性和可解释性方面,以证明优于当前适用于神经CAD重建的替代方案。
2021-04-12 cs.CV cs.GR cs.LG
GenCAD: Image-Conditioned Computer-Aided Design Generation with Transformer-Based Contrastive Representation and Diffusion Priors
Massachusetts Institute of Technology(麻省理工学院)
GenCAD提出一种结合自回归Transformer、对比学习和潜在扩散模型的图像条件CAD生成方法,将图像转换为可编辑的参数化CAD命令序列,显著优于现有方法并支持图像检索CAD模型。
2025-04-08 cs.CV cs.GR cs.LG
View2CAD: Reconstructing View-Centric CAD Models from Single RGB-D Scans
University of Washington(华盛顿大学);Massachusetts Institute of Technology(麻省理工学院)
提出从单张RGB-D图像精确重建CAD形状的方法,引入以视图为中心的VB-Rep表示处理可见性与几何不确定性,结合全景分割与迭代几何优化,在合成与真实数据上实现高质量重建并弥合现实差距。
2025-04-05 cs.CV cs.GR
SepicNet: Sharp Edges Recovery by Parametric Inference of Curves in 3D Shapes
University of Luxembourg(卢森堡大学);Artec 3D(Artec 3D(阿泰克三维))
SepicNet提出一种端到端可微的深度网络,通过参数化曲线推断和自适应点云采样,在5万三维扫描数据集上显著提升锐利边缘检测与恢复效果。
2023-04-13 cs.CV cs.GR
Proc3D: Procedural 3D Generation and Parametric Editing of 3D Shapes with Large Language Models
Proc3D利用大语言模型实现3D形状的可编辑生成,通过参数化编辑提升设计效率和准确性。
2026-01-18 cs.AI cs.CV cs.GR