Image2CADSeq: 从产品图像推断计算机辅助设计序列与知识

计算机辅助设计（CAD）工具使设计者能够通过一系列CAD操作（通常称为CAD序列）来设计和修改3D模型。在无法获取数字CAD文件的场景中，逆向工程（RE）已被用于重建3D CAD模型。最近的进展见证了数据驱动方法在RE中的兴起，主要关注将3D数据（如点云）转换为边界表示（B-rep）格式的3D模型。然而，获取3D数据面临重大挑战，且B-rep模型不揭示设计的3D建模过程知识。为此，我们的研究引入了一种新颖的数据驱动方法，即Image2CADSeq神经网络模型。该模型旨在通过处理图像作为输入并生成CAD序列来逆向工程CAD模型。这些序列随后可以使用实体建模内核转换为B-rep模型。与B-rep模型不同，CAD序列提供了修改模型创建各个步骤的更大灵活性，从而更深入地理解CAD模型的构建过程。为了定量和严格评估Image2CADSeq模型的预测性能，我们开发了一个多级评估框架用于模型评估。该模型在专门合成的数据集上训练，并探索了各种网络架构以优化性能。实验和验证结果表明，该模型在从2D图像数据生成CAD序列方面具有巨大潜力。