論文の概要: GenCAD-Self-Repairing: Feasibility Enhancement for 3D CAD Generation

• arxiv url: http://arxiv.org/abs/2505.23287v1
• Date: Thu, 29 May 2025 09:39:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.791447
• Title: GenCAD-Self-Repairing: Feasibility Enhancement for 3D CAD Generation
• Title（参考訳）: GenCAD-Self-Repairing:3次元CAD生成の可能性向上
• Authors: Chikaha Tsuji, Enrique Flores Medina, Harshit Gupta, Md Ferdous Alam,
• Abstract要約: GenCADはこの領域で注目すべきモデルであり、自動回帰トランスフォーマーベースのアーキテクチャを利用してCADプログラムを生成する。 GenCAD-Self-Repairingは,拡散誘導と自己修復パイプラインによって生成CADモデルの実現性を高めるフレームワークである。
• 参考スコア（独自算出の注目度）: 1.757434918993298
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the advancement of generative AI, research on its application to 3D model generation has gained traction, particularly in automating the creation of Computer-Aided Design (CAD) files from images. GenCAD is a notable model in this domain, leveraging an autoregressive transformer-based architecture with a contrastive learning framework to generate CAD programs. However, a major limitation of GenCAD is its inability to consistently produce feasible boundary representations (B-reps), with approximately 10% of generated designs being infeasible. To address this, we propose GenCAD-Self-Repairing, a framework that enhances the feasibility of generative CAD models through diffusion guidance and a self-repairing pipeline. This framework integrates a guided diffusion denoising process in the latent space and a regression-based correction mechanism to refine infeasible CAD command sequences while preserving geometric accuracy. Our approach successfully converted two-thirds of infeasible designs in the baseline method into feasible ones, significantly improving the feasibility rate while simultaneously maintaining a reasonable level of geometric accuracy between the point clouds of ground truth models and generated models. By significantly improving the feasibility rate of generating CAD models, our approach helps expand the availability of high-quality training data and enhances the applicability of AI-driven CAD generation in manufacturing, architecture, and product design.
• Abstract（参考訳）: 生成AIの進歩に伴い、3Dモデル生成への応用に関する研究は、特に画像からコンピュータ支援デザイン(CAD)ファイルを作成する際に、注目を集めている。 GenCADはこの分野で特筆すべきモデルであり、自己回帰型トランスフォーマーベースのアーキテクチャと対照的な学習フレームワークを活用してCADプログラムを生成する。 しかし、GenCADの大きな制限は、連続的に実現可能な境界表現(B-reps)を生成できないことであり、生成した設計の約10%は実現不可能である。 そこで我々は,拡散誘導と自己修復パイプラインを通じて生成CADモデルの実現性を高めるフレームワークであるGenCAD-Self-Repairingを提案する。 このフレームワークは、遅延空間における誘導拡散復調処理と回帰に基づく補正機構を統合し、幾何学的精度を維持しつつ、実現不可能なCADコマンドシーケンスを洗練させる。 提案手法は, ベースライン法における3分の2の不可能な設計を実現可能な設計に変換し, 有効性を向上すると同時に, 地上真実モデルの点雲と生成モデルとの間の幾何的精度の合理的なレベルを維持しながら, 実現可能性の向上を実現した。 CADモデル作成の実現率を大幅に向上させることで、高品質なトレーニングデータの提供範囲を拡大し、製造、アーキテクチャ、製品設計におけるAI駆動CAD生成の適用性を向上させる。

関連論文リスト

• Seek-CAD: A Self-refined Generative Modeling for 3D Parametric CAD Using Local Inference via DeepSeek [19.441404313543227]
  本研究は,CADモデル生成のための自己補充機構に視覚的および連鎖的フィードバック(CoT)を組み込んだ最初の研究である。 SSR(Sketch, Sketch-based feature, and Refinements)の3次元設計パラダイムを中心に構築された革新的な3次元CADモデルデータセットを提案する。
  論文  参考訳（メタデータ） (2025-05-23T10:11:19Z)
• CADCrafter: Generating Computer-Aided Design Models from Unconstrained Images [69.7768227804928]
  CADCrafterは画像からパラメトリックCADモデル生成フレームワークで、合成テクスチャなしCADデータのみをトレーニングする。 多様な幾何学的特徴を正確に捉えるための幾何エンコーダを導入する。 提案手法は、実際の制約のないCADイメージを頑健に処理でき、また、目に見えない汎用オブジェクトにも一般化できる。
  論文  参考訳（メタデータ） (2025-04-07T06:01:35Z)
• Image2CADSeq: Computer-Aided Design Sequence and Knowledge Inference from Product Images [0.7673339435080445]
  デジタルCADファイルがアクセスできないシナリオでは、リバースエンジニアリング(RE)が3DCADモデルの再構築に使われてきた。 ポイントクラウドなどの3Dデータを境界表現(B-rep)フォーマットで3Dモデルに変換することに重点を置いている。 本研究では,Image2CADSeqニューラルネットワークモデルを用いた新しいデータ駆動型アプローチを提案する。
  論文  参考訳（メタデータ） (2025-01-09T02:36:21Z)
• GenCAD: Image-Conditioned Computer-Aided Design Generation with Transformer-Based Contrastive Representation and Diffusion Priors [3.796768352477804]
  CAD(Computer-Aided Design)による製造可能で編集可能な3D形状の作成は、手作業と時間を要する作業である。 本稿では、画像入力をパラメトリックCADコマンドシーケンスに変換するために、コントラスト学習フレームワークと潜時拡散モデルを備えた自己回帰変換器を用いた生成モデルであるGenCADを紹介する。
  論文  参考訳（メタデータ） (2024-09-08T23:49:11Z)
• Pushing Auto-regressive Models for 3D Shape Generation at Capacity and Scalability [118.26563926533517]
  自己回帰モデルでは,格子空間における関節分布をモデル化することにより,2次元画像生成において顕著な結果が得られた。 自動回帰モデルを3次元領域に拡張し,キャパシティとスケーラビリティを同時に向上することにより,3次元形状生成の強力な能力を求める。
  論文  参考訳（メタデータ） (2024-02-19T15:33:09Z)
• Learning Versatile 3D Shape Generation with Improved AR Models [91.87115744375052]
  自己回帰(AR)モデルはグリッド空間の関節分布をモデル化することにより2次元画像生成において印象的な結果を得た。 本稿では3次元形状生成のための改良された自己回帰モデル(ImAM)を提案する。
  論文  参考訳（メタデータ） (2023-03-26T12:03:18Z)
• AutoCAD: Automatically Generating Counterfactuals for Mitigating Shortcut Learning [70.70393006697383]
  完全自動かつタスクに依存しないCAD生成フレームワークであるAutoCADについて述べる。 本稿では,完全に自動化されたタスクに依存しないCAD生成フレームワークであるAutoCADを提案する。
  論文  参考訳（メタデータ） (2022-11-29T13:39:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。