BrepGPT：基于Voronoi半补的自回归B-rep生成
计算机视觉与模式识别
2025-12-01 v1 图形学
摘要
边界表示（B-rep）是现代工业设计中CAD模型表示的事实标准。B-rep结构中几何与拓扑元素之间的错综复杂关系，迫使现有生成方法依赖级联式多阶段网络，导致误差累积和计算效率低下。我们提出BrepGPT，一个单阶段自回归框架用于B-rep生成。我们的关键创新在于Voronoi半补（VHP）表示法，将B-rep分解为统一的局部单元，通过将几何分配给最近的半边并采样其下一个指针来实现。不同于需要为不同结构层级使用多个 distinct 编码的层次表示法，VHP表示法促进了几何属性与拓扑关系在单个连贯格式中的统一。我们进一步利用双VQ-VAE对顶点拓扑和Voronoi半补进行编码，实现基于顶点的紧凑序列编码。随后训练一个仅解码器的Transformer来自回归预测这些标记，这些标记随后被映射到基于顶点的特征并解码为完整的B-rep模型。实验表明，BrepGPT在无条件B-rep生成中实现了最先进的性能。该框架在各种应用中也表现出灵活性，包括来自类别标签、点云、文本描述和图像的条件生成，以及B-rep的自动完成功能和插值。
引用
@article{arxiv.2511.22171,
title = {BrepGPT: Autoregressive B-rep Generation with Voronoi Half-Patch},
author = {Pu Li and Wenhao Zhang and Weize Quan and Biao Zhang and Peter Wonka and Dong-Ming Yan},
journal= {arXiv preprint arXiv:2511.22171},
year = {2025}
}