基于 B-rep 整体 token 序列的自回归生成
计算机视觉与模式识别
2026-03-31 v2 机器学习
摘要
先前的 B-rep 表示和生成方法依赖于图结构表示，通过解耦的计算管道将几何与拓扑特征分离，从而阻碍了基于序列的生成框架（如 transformer 架构）的应用，这类架构在性能上表现突出。本文提出 BrepARG，首次尝试将 B-rep 的几何与拓扑编码为整体 token 序列表示，实现基于自回归架构的 B-rep 生成。具体而言，BrepARG 将 B-rep 编码为三类 token：表示几何特征的几何与位置 token，以及表示拓扑特征的面索引 token。随后依据层次结构构建整体 token 序列：首先利用上述 token 构造几何块（即面和边），随后进行几何块排序，最后组装整个 B-rep 的整体序列表示。我们还构建了基于 transformer 的自回归模型，通过 next-token 预测学习整体 token 序列的分布，采用多层 decoder-only 架构并施加因果掩码。实验表明，BrepARG 实现了最先进 (SOTA) 的性能。BrepARG 验证了将 B-rep 作为整体 token 序列进行表示的可行性，为 B-rep 生成开辟了新方向。
引用
@article{arxiv.2601.16771,
title = {AutoRegressive Generation with B-rep Holistic Token Sequence Representation},
author = {Jiahao Li and Yunpeng Bai and Yongkang Dai and Hao Guo and Hongping Gan and Yilei Shi},
journal= {arXiv preprint arXiv:2601.16771},
year = {2026}
}