論文の概要: CADMorph: Geometry-Driven Parametric CAD Editing via a Plan-Generate-Verify Loop

• arxiv url: http://arxiv.org/abs/2512.11480v1
• Date: Fri, 12 Dec 2025 11:29:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 15:48:11.746292
• Title: CADMorph: Geometry-Driven Parametric CAD Editing via a Plan-Generate-Verify Loop
• Title（参考訳）: CADMorph:計画生成検証ループによる幾何学駆動パラメトリックCAD編集
• Authors: Weijian Ma, Shizhao Sun, Ruiyu Wang, Jiang Bian,
• Abstract要約: CADMorphは推論中に事前訓練されたドメイン固有の基礎モデルをオーケストレーションする。 反復編集やリバースエンジニアリング強化といった下流アプリケーションをサポートする。
• 参考スコア（独自算出の注目度）: 16.26305802216836
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A Computer-Aided Design (CAD) model encodes an object in two coupled forms: a parametric construction sequence and its resulting visible geometric shape. During iterative design, adjustments to the geometric shape inevitably require synchronized edits to the underlying parametric sequence, called geometry-driven parametric CAD editing. The task calls for 1) preserving the original sequence's structure, 2) ensuring each edit's semantic validity, and 3) maintaining high shape fidelity to the target shape, all under scarce editing data triplets. We present CADMorph, an iterative plan-generate-verify framework that orchestrates pretrained domain-specific foundation models during inference: a parameter-to-shape (P2S) latent diffusion model and a masked-parameter-prediction (MPP) model. In the planning stage, cross-attention maps from the P2S model pinpoint the segments that need modification and offer editing masks. The MPP model then infills these masks with semantically valid edits in the generation stage. During verification, the P2S model embeds each candidate sequence in shape-latent space, measures its distance to the target shape, and selects the closest one. The three stages leverage the inherent geometric consciousness and design knowledge in pretrained priors, and thus tackle structure preservation, semantic validity, and shape fidelity respectively. Besides, both P2S and MPP models are trained without triplet data, bypassing the data-scarcity bottleneck. CADMorph surpasses GPT-4o and specialized CAD baselines, and supports downstream applications such as iterative editing and reverse-engineering enhancement.
• Abstract（参考訳）: CADモデル(Computer-Aided Design)は、オブジェクトをパラメトリックな構成シーケンスとその結果として見える幾何学的形状の2つの結合形式に符号化する。 反復設計では、幾何学的形状の調整は必然的に、幾何学駆動のパラメトリックCAD編集(英語版)と呼ばれる下層のパラメトリックシーケンスの同期編集を必要とする。 タスクが要求する 1) 元のシーケンスの構造を保存すること。 2【各編集の意味的妥当性の確保】 3) 対象形状に対する高い形状の忠実さを維持することは, データ三重項の編集に欠かせない。 本稿では,パラメータ・ツー・シェイプ(P2S)潜時拡散モデルとマスク・パラメータ・プレディション(MPP)モデルという,事前訓練されたドメイン固有基盤モデルを推論中にオーケストレーションする反復計画生成検証フレームワークであるCADMorphを提案する。 計画段階では、P2Sモデルからのクロスアテンションマップは修正が必要なセグメントを特定し、編集マスクを提供する。 MPPモデルは、生成段階で意味論的に有効な編集をこれらのマスクに埋め込む。 検証中、P2Sモデルは、各候補列を形状ラテント空間に埋め込み、ターゲット形状までの距離を測定し、最も近いものを選択する。 これら3つの段階は、事前訓練された事前学習における固有の幾何学的意識と設計知識を活用し、それぞれ構造保存、意味的妥当性、形状忠実性に取り組む。 さらに、P2SモデルとMPPモデルの両方がトリプルトデータなしでトレーニングされており、データスカシティのボトルネックを回避している。 CADMorphはGPT-4oや特殊なCADベースラインを超え、反復編集やリバースエンジニアリング強化といった下流アプリケーションをサポートする。

関連論文リスト

• GACO-CAD: Geometry-Augmented and Conciseness-Optimized CAD Model Generation from Single Image [11.612167656421079]
  マルチモーダル大言語モデル(MLLM)は2次元画像から3次元幾何学を正確に推定するのに依然として苦労している。 本稿では,新しい2段階後学習フレームワークGACO-CADを紹介する。 DeepCADとFusion360データセットの実験は、GACO-CADが最先端のパフォーマンスを達成することを示している。
  論文  参考訳（メタデータ） (2025-10-20T04:57:20Z)
• GaussianMorphing: Mesh-Guided 3D Gaussians for Semantic-Aware Object Morphing [31.47036497656664]
  マルチビュー画像から意味認識型3次元形状とテクスチャ形成のための新しいフレームワークを提案する。 私たちのフレームワークの中核は、3DGaussianをメッシュパッチの再構築にアンカーする統一的な変形戦略です。 提案したTexMorphベンチマークでは,GaussianMorphingは従来の2D/3D法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2025-10-02T14:07:55Z)
• STREAM: A Universal State-Space Model for Sparse Geometric Data [2.9483719973596303]
  ポイントクラウドやイベントベースのビジョンなど、非構造化の幾何学的データを扱うことは、マシンビジョンの分野における急激な課題である。 状態空間モデルのパラメータ化に幾何構造を明示的にエンコードすることを提案する。 本モデルでは, スパースデータを最新のハードウェアに効率的にマッピングするために, カーネルを改良したMamba選択状態空間モデルをデプロイする。
  論文  参考訳（メタデータ） (2024-11-19T16:06:32Z)
• 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)
• Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
  本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。 従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。 当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
  論文  参考訳（メタデータ） (2024-05-23T14:39:52Z)
• Automatic Parameterization for Aerodynamic Shape Optimization via Deep Geometric Learning [60.69217130006758]
  空力形状最適化のための形状パラメータ化を完全に自動化する2つの深層学習モデルを提案する。 どちらのモデルも、深い幾何学的学習を通じてパラメータ化し、人間の事前知識を学習された幾何学的パターンに埋め込むように最適化されている。 2次元翼の形状最適化実験を行い、2つのモデルに適用可能なシナリオについて論じる。
  論文  参考訳（メタデータ） (2023-05-03T13:45:40Z)
• Deep Non-rigid Structure-from-Motion: A Sequence-to-Sequence Translation Perspective [81.56957468529602]
  本稿では,シーケンス・ツー・シーケンス翻訳の観点から,ディープNASfMをモデル化する。 まず,1つのフレームから初期非剛体形状とカメラの動きを推定するために,形状運動予測器を適用した。 そこで我々は,カメラの動きと複雑な非剛体形状をモデル化するためのコンテキストモデリングモジュールを提案する。
  論文  参考訳（メタデータ） (2022-04-10T17:13:52Z)
• NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One Go [109.88509362837475]
  入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。 NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。 異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
  論文  参考訳（メタデータ） (2021-06-17T12:25:44Z)
• DSG-Net: Learning Disentangled Structure and Geometry for 3D Shape Generation [98.96086261213578]
  DSG-Netは3次元形状の非交叉構造と幾何学的メッシュ表現を学習するディープニューラルネットワークである。 これは、幾何(構造)を不変に保ちながら構造(幾何学)のような不整合制御を持つ新しい形状生成アプリケーションの範囲をサポートする。 本手法は,制御可能な生成アプリケーションだけでなく,高品質な合成形状を生成できる。
  論文  参考訳（メタデータ） (2020-08-12T17:06:51Z)

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。