Point2Primitive：基于直接原始体预测的 CAD 点云重建
计算机视觉与模式识别
2025-11-18 v3
摘要
从点云中恢复 CAD 模型需要重构其拓扑结构和基于草图的挤出原始体。表示草图的主流方法涉及隐式神经表示，如符号距离场（SDF）。然而，这种间接方法天然难以保证精度，导致不可预期的曲线边缘以及难以编辑的模型。本文提出了 Point2Primitive，一种学习直接预测 CAD 模型显式、参数化原始体的框架。我们将草图重建视为集合预测问题，采用改进的基于变换器的解码器，结合显式位置查询，直接检测和预测从点云中提取的基本草图曲线（即类型和参数）。我们将曲线参数形式化为显式位置查询，通过自回归方式进行优化以实现高精度。整体拓扑通过挤出分割来重建。广泛的实验表明，这种直接预测范式在原始体精度和整体几何保真度方面显著优于隐式方法。
引用
@article{arxiv.2505.02043,
title = {Point2Primitive: CAD Reconstruction from Point Cloud by Direct Primitive Prediction},
author = {Xinzhu Ma and Cheng Wang and Chen Tang and Bin Wang and Shixiang Tang and Yuan Meng and Yunhong Wang and Di Huang},
journal= {arXiv preprint arXiv:2505.02043},
year = {2025}
}