MamTiff-CAD：基于 Mamba+ 的多尺度潜在扩散用于复杂参数序列
机器学习
2025-11-25 v1 人工智能
摘要
参数化计算机辅助设计（CAD）在工业应用中至关重要，但现有方法常难以生成复杂 CAD 模型的几何和拓扑约束下的长序列参数命令。为此，本文提出 MamTiff-CAD 框架，利用基于 Transformer 的扩散模型实现多尺度潜在表示。具体设计一种集成 Mamba+ 与 Transformer 的新型自编码器，将参数化 CAD 序列转化为潜在表示。Mamba+ 模块包含遗忘门机制有效捕获长程依赖。非自回归 Transformer 解码器重构潜在表示。随后，在这些潜在嵌入上训练基于多尺度 Transformer 的扩散模型，以学习长序列命令的分布。此外，本文构建包含长参数序列的数据集，单个 CAD 模型命令数达 256。实验表明，MamTiff-CAD 在重建和生成任务上实现了状态的最佳性能，证明其对长序列（60-256）CAD 模型生成有效。
引用
@article{arxiv.2511.17647,
title = {MamTiff-CAD: Multi-Scale Latent Diffusion with Mamba+ for Complex Parametric Sequence},
author = {Liyuan Deng and Yunpeng Bai and Yongkang Dai and Xiaoshui Huang and Hongping Gan and Dongshuo Huang and Hao jiacheng and Yilei Shi},
journal= {arXiv preprint arXiv:2511.17647},
year = {2025}
}
备注
ICCV 2025 Conference