GenCAD-Self-Repairing：提升 3D CAD 生成的可行性
计算机视觉与模式识别
2025-05-30 v1
摘要
随着生成式 AI 的发展，其在 3D 模型生成方面的应用研究日益受到关注，特别是在从图像自动创建计算机辅助设计（CAD）文件方面。GenCAD 是该领域的一个著名模型，它利用基于自回归 Transformer 的架构和对比学习框架来生成 CAD 程序。然而，GenCAD 的一个主要局限在于其无法一致地生成可行的边界表示（B-reps），约 10% 的生成设计是不可行的。为了解决这一问题，我们提出了 GenCAD-Self-Repairing，这是一个通过扩散引导和自修复流水线来增强生成式 CAD 模型可行性的框架。该框架在潜在空间中集成了引导扩散去噪过程和基于回归的校正机制，以在保持几何精度的同时改进不可行的 CAD 命令序列。我们的方法成功地将基线方法中三分之二的不可行设计转化为可行设计，显著提高了可行性率，同时在真实模型与生成模型的点云之间保持了合理的几何精度水平。通过显著提高生成 CAD 模型的可行性率，我们的方法有助于扩大高质量训练数据的可用性，并增强 AI 驱动的 CAD 生成在制造、建筑和产品设计中的适用性。
引用
@article{arxiv.2505.23287,
title = {GenCAD-Self-Repairing: Feasibility Enhancement for 3D CAD Generation},
author = {Chikaha Tsuji and Enrique Flores Medina and Harshit Gupta and Md Ferdous Alam},
journal= {arXiv preprint arXiv:2505.23287},
year = {2025}
}