SketchDNN：用于 CAD 草图生成的联合连续-离散扩散模型
计算机视觉与模式识别
2025-08-21 v2 机器学习
摘要
我们提出了 SketchDNN，这是一种用于合成 CAD 草图的生成模型，通过统一的连续-离散扩散过程联合建模连续参数和离散类别标签。我们的核心创新是高斯-Softmax 扩散，其中对带有高斯噪声的逻辑值进行 Softmax 变换投影到概率单子上，以实现离散变量的混合类别标签。这种表述解决了两个关键挑战，即原始参数化的异构性以及 CAD 草图中原始的排列不变性。我们的方法显著提高了生成质量，将 Fréchet 颂距离（FID）从 16.04 降至 7.80，负对数似然（NLL）从 84.8 降至 81.33，建立了 SketchGraphs 数据集上 CAD 草图生成的新型态。
引用
@article{arxiv.2507.11579,
title = {SketchDNN: Joint Continuous-Discrete Diffusion for CAD Sketch Generation},
author = {Sathvik Chereddy and John Femiani},
journal= {arXiv preprint arXiv:2507.11579},
year = {2025}
}
备注
17 pages, 63 figures, Proceedings of the 42nd International Conference on Machine Learning (ICML2025)