NURBGen：通过LLM驱动的NURBS建模实现高保真文本到CAD生成
计算机视觉与模式识别
2025-11-18 v2
摘要
从自然语言生成可编辑的3D CAD模型 remains challenging, 由于现有文本到CAD系统要么生成网格，要么依赖稀缺的设计历史数据。我们提出NURBGen，这是第一个直接使用非均匀有理B样条（NURBS）从文本生成高保真3D CAD模型的框架。为实现此目标，我们微调了大型语言模型（LLM），将自由形式的文本翻译为包含NURBS表面参数（即控制点、节点向量、次数和有理权重）的JSON表示，这些参数可直接转换为BRep格式。我们进一步提出了一种混合表示，结合未修剪的NURBS与解析原语，以更稳健地处理修剪表面和退化区域，同时降低token复杂度。此外，我们引入了partABC，这是一个来自ABC数据集子集，包含单个CAD组件，标注了详细描述，使用自动化标注管道生成。NURBGen 在 diverse prompts 上表现出色，凭借专家评估在几何保真度和尺寸精度方面超越了先前方法。代码和数据集将公开 release。
引用
@article{arxiv.2511.06194,
title = {NURBGen: High-Fidelity Text-to-CAD Generation through LLM-Driven NURBS Modeling},
author = {Muhammad Usama and Mohammad Sadil Khan and Didier Stricker and Muhammad Zeshan Afzal},
journal= {arXiv preprint arXiv:2511.06194},
year = {2025}
}
备注
Accepted in AAAI 2026