論文の概要: Drawing2CAD: Sequence-to-Sequence Learning for CAD Generation from Vector Drawings

• arxiv url: http://arxiv.org/abs/2508.18733v3
• Date: Thu, 04 Sep 2025 14:22:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-05 14:03:59.081183
• Title: Drawing2CAD: Sequence-to-Sequence Learning for CAD Generation from Vector Drawings
• Title（参考訳）: 描画2CAD:ベクトル描画によるCAD生成のためのシーケンス・ツー・シーケンス学習
• Authors: Feiwei Qin, Shichao Lu, Junhao Hou, Changmiao Wang, Meie Fang, Ligang Liu,
• Abstract要約: CAD(Computer-Aided Design)生成モデリングは、産業アプリケーション全体で重要なイノベーションを導いている。 最近の研究は、ポイントクラウド、メッシュ、テキスト記述など、さまざまな入力からソリッドモデルを作成する際に顕著な進歩を見せている。 これらの手法は、2次元のエンジニアリング図面から始まる伝統的な産業図面と根本的に異なる。 これらの2次元ベクトル描画からパラメトリックCADモデルの自動生成は、エンジニアリング設計における重要なステップであるにもかかわらず、まだ探索されていない。
• 参考スコア（独自算出の注目度）: 13.135028604324754
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computer-Aided Design (CAD) generative modeling is driving significant innovations across industrial applications. Recent works have shown remarkable progress in creating solid models from various inputs such as point clouds, meshes, and text descriptions. However, these methods fundamentally diverge from traditional industrial workflows that begin with 2D engineering drawings. The automatic generation of parametric CAD models from these 2D vector drawings remains underexplored despite being a critical step in engineering design. To address this gap, our key insight is to reframe CAD generation as a sequence-to-sequence learning problem where vector drawing primitives directly inform the generation of parametric CAD operations, preserving geometric precision and design intent throughout the transformation process. We propose Drawing2CAD, a framework with three key technical components: a network-friendly vector primitive representation that preserves precise geometric information, a dual-decoder transformer architecture that decouples command type and parameter generation while maintaining precise correspondence, and a soft target distribution loss function accommodating inherent flexibility in CAD parameters. To train and evaluate Drawing2CAD, we create CAD-VGDrawing, a dataset of paired engineering drawings and parametric CAD models, and conduct thorough experiments to demonstrate the effectiveness of our method. Code and dataset are available at https://github.com/lllssc/Drawing2CAD.
• Abstract（参考訳）: CAD(Computer-Aided Design)生成モデリングは、産業アプリケーション全体で重要なイノベーションを導いている。 最近の研究は、ポイントクラウド、メッシュ、テキスト記述など、さまざまな入力からソリッドモデルを作成する際に顕著な進歩を見せている。 しかし、これらの手法は、2次元のエンジニアリング図面から始まる伝統的な産業ワークフローとは根本的に異なる。 これらの2次元ベクトル描画からパラメトリックCADモデルの自動生成は、エンジニアリング設計における重要なステップであるにもかかわらず、まだ探索されていない。 このギャップに対処するために、我々はCAD生成を、ベクトル描画プリミティブがパラメトリックCAD操作の生成を直接通知し、変換プロセス全体を通して幾何学的精度と設計意図を保存するシーケンス・ツー・シーケンス学習問題として再設計する。 本稿では,正確な幾何学的情報を保存するネットワークフレンドリなベクトルプリミティブ表現,高精度な対応を維持しつつコマンドタイプとパラメータ生成を分離するデュアルデコーダ・トランスフォーマアーキテクチャ,CADパラメータに固有の柔軟性を付加したソフトターゲット分散損失関数の3つの重要な技術要素を持つフレームワークであるDrawing2CADを提案する。 ドローイング2CADを訓練し,評価するためにCAD-VGDrawingという,組み合わせたエンジニアリング図面とパラメトリックCADモデルのデータセットを作成し,本手法の有効性を実証するための徹底的な実験を行った。 コードとデータセットはhttps://github.com/lllssc/Drawing2CADで公開されている。

関連論文リスト

• 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)
• PHT-CAD: Efficient CAD Parametric Primitive Analysis with Progressive Hierarchical Tuning [52.681829043446044]
  ParaCADは1000万点以上のアノテートドローイングと、複雑なトポロジカルな構造とテストのための物理的な制約を備えた3,000の現実世界の産業図で構成されている。 PHT-CADは視覚言語モデルのモダリティアライメントと推論機能を利用する新しい2次元PPAフレームワークである。
  論文  参考訳（メタデータ） (2025-03-23T17:24:32Z)
• PS-CAD: Local Geometry Guidance via Prompting and Selection for CAD Reconstruction [86.726941702182]
  再構成ネットワークPS-CADに幾何学的ガイダンスを導入する。 我々は、現在の再構成が点雲としての完備モデルと異なる曲面の幾何学を提供する。 第二に、幾何学的解析を用いて、候補面に対応する平面的プロンプトの集合を抽出する。
  論文  参考訳（メタデータ） (2024-05-24T03:43:55Z)
• PPI-NET: End-to-End Parametric Primitive Inference [24.31083483088741]
  工学の応用では、線、円、弧、点を総称してプリミティブと呼ぶ。 本稿では,手書きスケッチ画像からパラメトリックプリミティブを推定するための,効率的かつ高精度なエンドツーエンド手法を提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:50:49Z)
• SECAD-Net: Self-Supervised CAD Reconstruction by Learning Sketch-Extrude Operations [21.000539206470897]
  SECAD-Netは、コンパクトで使いやすいCADモデルの再構築を目的とした、エンドツーエンドのニューラルネットワークである。 本研究は,CAD再構築の手法など,最先端の代替手段よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-19T09:26:03Z)
• Reconstructing editable prismatic CAD from rounded voxel models [16.03976415868563]
  この課題を解決するために,新しいニューラルネットワークアーキテクチャを導入する。 本手法は形状を分解することでボクセル空間の入力幾何を再構成する。 推論の際には,まず2次元制約付きスケッチのデータベースを検索し,CADデータを取得する。
  論文  参考訳（メタデータ） (2022-09-02T16:44:10Z)
• Engineering Sketch Generation for Computer-Aided Design [10.732102570751392]
  エンジニアリングスケッチ生成のための2つの生成モデルであるCurveGenとTurtleGenを提案する。 どちらのモデルも、スケッチ制約を解く必要なしに曲線プリミティブを生成する。 私たちは、CurveGenとTurtleGenの両方がより現実的なエンジニアリングスケッチを生成する人間の被験者を使用して知覚評価で見つける。
  論文  参考訳（メタデータ） (2021-04-19T20:38:36Z)
• SketchGraphs: A Large-Scale Dataset for Modeling Relational Geometry in Computer-Aided Design [18.041056084458567]
  CAD(Parametric Computer-Aided Design)は、物理設計における機械工学の主要なパラダイムである。 SketchGraphsは、実世界のCADモデルから抽出された1500万のスケッチと、オープンソースのデータ処理パイプラインを組み合わせたコレクションである。
  論文  参考訳（メタデータ） (2020-07-16T17:56:25Z)

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。