FilletRec：一种基于内在特征的轻量级图神经网络用于自动圆角识别
计算机视觉与模式识别
2025-11-11 v1
摘要
CAD 模型中圆角特征的自动识别与简化对 CAE 分析至关重要，但这仍是一个开放性挑战。传统的基于规则的方法缺乏鲁棒性，而现有的深度学习模型由于其通用设计和训练数据不足，在复杂圆角上泛化能力差且准确率低。为了解决这些问题，本文提出了一种专门针对圆角特征的端到端数据驱动框架。我们首先构建并发布了一个大规模、多样化的圆角识别基准数据集，以解决现有数据不足的问题。在此基础上，我们提出了 FilletRec，一种轻量级图神经网络。该网络的核心创新在于其使用了姿态不变的内在几何特征（如曲率），使其能够学习更基本的几何模式，从而实现对复杂几何拓扑的高精度识别。实验表明，FilletRec 在准确率和泛化能力上均超越了 SOTA 方法，同时仅使用了基线模型 0.2%-5.4% 的参数量，展现了极高的模型效率。最后，该框架通过集成有效的几何简化算法，完成了从识别到简化的自动化工作流。
引用
@article{arxiv.2511.05561,
title = {FilletRec: A Lightweight Graph Neural Network with Intrinsic Features for Automated Fillet Recognition},
author = {Jiali Gao and Taoran Liu and Hongfei Ye and Jianjun Chen},
journal= {arXiv preprint arXiv:2511.05561},
year = {2025}
}