MiCADangelo：从 3D 扫描重建受约束 CAD 模型的精细化
计算机视觉与模式识别
2025-10-28 v1
摘要
计算机辅助设计 (CAD) 在现代制造和产品开发中占据基础性作用，往往需要设计师修改或构建于现有模型之上。将 3D 扫描转换为参数化 CAD 表示——即 CAD 逆向工程——仍是一个重大的挑战，因为 CAD 模型具有高度精度和结构复杂性。现有深度学习方法通常分为两类：一种是自下而上的、几何驱动的方法，往往难以产生完全参数化的输出；另一种是自上而下的策略，则倾向于忽视细粒度几何细节。此外，当前方法忽略了 CAD 建模中一个关键方面：sketch 级约束。本文引入一种受人类设计师手动执行任务方式启发的新型 CAD 逆向工程方法。该方法利用多平面截面提取 2D 模式，更有效地捕获细粒度参数化细节。它能够重建详细且可编辑的 CAD 模型，超越了领先的 SOTA 方法，并首次将 sketch 约束直接集成到重建过程中。
引用
@article{arxiv.2510.23429,
title = {MiCADangelo: Fine-Grained Reconstruction of Constrained CAD Models from 3D Scans},
author = {Ahmet Serdar Karadeniz and Dimitrios Mallis and Danila Rukhovich and Kseniya Cherenkova and Anis Kacem and Djamila Aouada},
journal= {arXiv preprint arXiv:2510.23429},
year = {2025}
}
备注
Accepted at NeurIPS 2025