A2Z-10M+:用于 AI 辅助 CAD 模型设计与逆向工程的 A 到 Z BRep 注释的几何深度学习
计算机视觉与模式识别
2026-03-16 v1
摘要
从 3D 扫描、草图或简单文本提示对计算机辅助设计（CAD）模型进行逆向工程和快速原型制造是工业产品设计中的关键任务。然而，近期的几何深度学习技术缺乏对存储于其边界表示（BRep）中的参数化 CAD 特征的多模态理解。本研究提出了规模最大的 1000 万多模态注释和元数据，用于 100 万个 ABC CAD 模型，称为 A2Z，以实现前所未有的 BRep 学习水平。A2Z 包括：（i）具备显著 3D 扫描特征的高分辨率网格；（ii）配备 3D 手绘草图的模型；（iii）关于 BRep 共边、拐点和表面的几何与拓扑信息；以及（iv）描述机械世界中产品的文本标题和标签。需要几乎 5 太字节的存储才能实现卓越的 CAD 学习/检索任务的这种精心构建的大规模数据具有挑战性。我们使用新颖的度量标准、GPT-5、Gemini 以及大量人类反馈机制评估了其规模、质量和多样性。为此，我们还额外合并了由专业人士设计的 25000 个电子盒式（如平板电脑、端口）CAD 模型，以增强 A2Z 数据集。随后，我们在 150K 个 CAD 模型的子集上训练和基准测试了一个基础模型，以从 3D 扫描中检测 BRep 共边和拐点顶点——这是 CAD 逆向工程中的关键下游任务。该标注数据集、度量标准和模型检查点将对支撑诸多研究方向公开发布。
引用
@article{arxiv.2603.12605,
title = {A2Z-10M+: Geometric Deep Learning with A-to-Z BRep Annotations for AI-Assisted CAD Modeling and Reverse Engineering},
author = {Pritham Kumar Jena and Bhavika Baburaj and Tushar Anand and Vedant Dutta and Vineeth Ulavala and Sk Aziz Ali},
journal= {arXiv preprint arXiv:2603.12605},
year = {2026}
}
备注
27 pages, accepted to IEEE CVF CVPR 2026