論文の概要: GenCAD-3D: CAD Program Generation using Multimodal Latent Space Alignment and Synthetic Dataset Balancing

• arxiv url: http://arxiv.org/abs/2509.15246v1
• Date: Wed, 17 Sep 2025 19:10:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:10.815476
• Title: GenCAD-3D: CAD Program Generation using Multimodal Latent Space Alignment and Synthetic Dataset Balancing
• Title（参考訳）: GenCAD-3D:マルチモーダル遅延空間アライメントと合成データセットバランシングを用いたCADプログラム生成
• Authors: Nomi Yu, Md Ferdous Alam, A. John Hart, Faez Ahmed,
• Abstract要約: 我々は,3次元CADプログラムを生成するマルチモーダル生成フレームワークであるGenCAD-3Dを紹介する。 また、データセットのバランスと拡張を目的とした合成データ拡張戦略であるSynthBalも紹介する。 実験の結果,SynthBalは再構成精度を大幅に向上し,無効なCADモデルの生成を低減し,高精度なジオメトリの性能を著しく向上させることがわかった。
• 参考スコア（独自算出の注目度）: 3.5539239472975583
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: CAD programs, structured as parametric sequences of commands that compile into precise 3D geometries, are fundamental to accurate and efficient engineering design processes. Generating these programs from nonparametric data such as point clouds and meshes remains a crucial yet challenging task, typically requiring extensive manual intervention. Current deep generative models aimed at automating CAD generation are significantly limited by imbalanced and insufficiently large datasets, particularly those lacking representation for complex CAD programs. To address this, we introduce GenCAD-3D, a multimodal generative framework utilizing contrastive learning for aligning latent embeddings between CAD and geometric encoders, combined with latent diffusion models for CAD sequence generation and retrieval. Additionally, we present SynthBal, a synthetic data augmentation strategy specifically designed to balance and expand datasets, notably enhancing representation of complex CAD geometries. Our experiments show that SynthBal significantly boosts reconstruction accuracy, reduces the generation of invalid CAD models, and markedly improves performance on high-complexity geometries, surpassing existing benchmarks. These advancements hold substantial implications for streamlining reverse engineering and enhancing automation in engineering design. We will publicly release our datasets and code, including a set of 51 3D-printed and laser-scanned parts on our project site.
• Abstract（参考訳）: CADプログラムは、正確な3次元ジオメトリにコンパイルされるコマンドのパラメトリックシーケンスとして構成され、正確で効率的なエンジニアリング設計プロセスの基礎となる。 ポイントクラウドやメッシュなどの非パラメトリックデータからこれらのプログラムを生成することは、通常は広範囲な手作業による介入を必要とする、極めて難しい作業である。 現在のCAD生成の自動化を目的とした深層生成モデルは、不均衡で不十分な大規模なデータセット、特に複雑なCADプログラムの表現に欠けるデータセットによって著しく制限されている。 そこで我々は,CADと幾何エンコーダ間の潜伏埋め込みを整列するコントラスト学習と,CADシーケンス生成と検索のための潜伏拡散モデルを組み合わせたマルチモーダル生成フレームワークGenCAD-3Dを紹介する。 さらに,SynthBalは,データセットのバランスと拡張に特化して設計された合成データ拡張戦略である。 実験の結果,SynthBalは再構成精度を大幅に向上し,無効なCADモデルの生成を低減し,既存のベンチマークを上回り,高精度なジオメトリの性能を著しく向上させることがわかった。 これらの進歩は、リバースエンジニアリングの合理化とエンジニアリング設計における自動化の強化に重要な意味を持つ。 私たちは、51個の3Dプリントとレーザースキャンされたパーツを含むデータセットとコードを、私たちのプロジェクトサイトで公開します。

関連論文リスト

• Drawing2CAD: Sequence-to-Sequence Learning for CAD Generation from Vector Drawings [13.135028604324754]
  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。
  論文  参考訳（メタデータ） (2025-08-26T07:01:58Z)
• CADmium: Fine-Tuning Code Language Models for Text-Driven Sequential CAD Design [10.105055422074734]
  我々は,人間的な記述を付加した170k以上のCADモデルの大規模パイプラインを新たに導入する。 本研究はCADmiumがCAD設計を自動化可能であることを示すものである。
  論文  参考訳（メタデータ） (2025-07-13T21:11:53Z)
• CReFT-CAD: Boosting Orthographic Projection Reasoning for CAD via Reinforcement Fine-Tuning [50.867869718716555]
  本稿では,2段階の微調整パラダイムであるCReFT-CADを紹介する。 われわれはTriView2CADをリリースした。
  論文  参考訳（メタデータ） (2025-05-31T13:52:56Z)
• GenCAD-Self-Repairing: Feasibility Enhancement for 3D CAD Generation [1.757434918993298]
  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。
  論文  参考訳（メタデータ） (2025-05-29T09:39:19Z)
• 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)
• CADSpotting: Robust Panoptic Symbol Spotting on Large-Scale CAD Drawings [56.05238657033198]
  本稿では,大規模CAD図面におけるパノプティカルシンボルスポッティングの効果的な方法であるCADSpottingを紹介する。 また、重み付き投票とNon-Maximum Suppression(NMS)を組み合わせたSWA(Sliding Window Aggregation)手法を提案する。 FloorPlanCAD と LS-CAD の実験により,CADSpotting が既存手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-12-10T10:22:17Z)
• 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)

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。