CADTalk：一种 CAD 程序语义注释算法与基准
计算机视觉与模式识别
2024-03-27 v3 图形学
摘要
CAD 程序是一种将形状紧凑编码为一系列易于参数化修改的操作的流行方式。然而，若无充分的语义注释与结构，此类程序难以理解，更毋论修改。我们提出 CAD 程序语义注释问题，其目标是将输入程序分割为对应于语义有意义形状部件的代码片段，并为每段分配语义标签。我们通过结合程序解析与近期基础语言及视觉模型所提供的视觉-语义分析来解决该问题。具体而言，通过执行输入程序，我们生成形状，并据此生成条件式照片级真实感图像以利用此类图像的语义标注器。随后我们将信息跨图像蒸馏并回溯至原始程序以对其进行语义注释。此外，我们收集并标注了一个基准数据集 CADTalk，包含 5,288 个机器生成程序与 45 个人工编写程序及真实语义注释。我们广泛评估了该方法，将其与基于 GPT 的基线及开放集形状分割基线比较，并在新 CADTalk 数据集上报告了 83.24% 的准确率。代码与数据：https://enigma-li.github.io/CADTalk/。
引用
@article{arxiv.2311.16703,
title = {CADTalk: An Algorithm and Benchmark for Semantic Commenting of CAD Programs},
author = {Haocheng Yuan and Jing Xu and Hao Pan and Adrien Bousseau and Niloy J. Mitra and Changjian Li},
journal= {arXiv preprint arXiv:2311.16703},
year = {2024}
}