Fugu-MT 論文翻訳(概要): Mamba-CAD: State Space Model For 3D Computer-Aided Design Generative Modeling

論文の概要: Mamba-CAD: State Space Model For 3D Computer-Aided Design Generative Modeling

arxiv url: http://arxiv.org/abs/2603.00439v1
Date: Sat, 28 Feb 2026 03:38:26 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-03 19:50:56.193614
Title: Mamba-CAD: State Space Model For 3D Computer-Aided Design Generative Modeling
Title（参考訳）: Mamba-CAD:3Dコンピュータ支援設計生成モデルのための状態空間モデル
Authors: Xueyang Li, Yunzhong Lou, Yu Song, Xiangdong Zhou,
Abstract要約: 産業における複雑なCADモデルのための自己教師型生成モデルであるMamba-CADを紹介する。本研究では,CADモデルの偽表現を生成するために,学習した表現を用いて生成的敵ネットワークを誘導する。 Mamba-CADをトレーニングするために、より長いパラメトリックCADシーケンスを持つ77,078個のCADモデルからなる新しいデータセットを作成する。
参考スコア（独自算出の注目度）: 18.65998676457976
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Computer-Aided Design (CAD) generative modeling has a strong and long-term application in the industry. Recently, the parametric CAD sequence as the design logic of an object has been widely mined by sequence models. However, the industrial CAD models, especially in component objects, are fine-grained and complex, requiring a longer parametric CAD sequence to define. To address the problem, we introduce Mamba-CAD, a self-supervised generative modeling for complex CAD models in the industry, which can model on a longer parametric CAD sequence. Specifically, we first design an encoder-decoder framework based on a Mamba architecture and pair it with a CAD reconstruction task for pre-training to model the latent representation of CAD models; and then we utilize the learned representation to guide a generative adversarial network to produce the fake representation of CAD models, which would be finally recovered into parametric CAD sequences via the decoder of MambaCAD. To train Mamba-CAD, we further create a new dataset consisting of 77,078 CAD models with longer parametric CAD sequences. Comprehensive experiments are conducted to demonstrate the effectiveness of our model under various evaluation metrics, especially in the generation length of valid parametric CAD sequences. The code and dataset can be achieved from https://github.com/Sunny-Hack/Code-for-Mamba-CAD-AAAI-2025-.
Abstract（参考訳）: CAD(Computer-Aided Design)生成モデリングは、業界における強力な長期的応用である。近年,オブジェクトの設計論理としてのパラメトリックCADシーケンスは,シーケンスモデルによって広く研究されている。しかし、特にコンポーネントオブジェクトにおける産業CADモデルは細粒度で複雑であり、より長いパラメトリックCADシーケンスを定義する必要がある。そこで本研究では,より長いパラメトリックCADシーケンスをモデル化可能な,複雑なCADモデルのための自己教師付き生成モデルであるMamba-CADを紹介する。具体的には,まず,Mambaアーキテクチャをベースとしたエンコーダ・デコーダ・フレームワークを設計し,CADモデルの潜在表現をモデル化するためのCAD再構成タスクと組み合わせる。 Mamba-CADをトレーニングするために、より長いパラメトリックCADシーケンスを持つ77,078個のCADモデルからなる新しいデータセットを作成する。各種評価指標によるモデルの有効性,特に有効なパラメトリックCADシーケンスの生成長について,総合的な実験を行った。コードとデータセットはhttps://github.com/Sunny-Hack/Code-for-Mamba-CAD-AAAI-2025-から取得できる。

関連論文リスト

From Intent to Execution: Multimodal Chain-of-Thought Reinforcement Learning for Precise CAD Code Generation [47.67703214044401]
CADモデリングコード生成のためのマルチモーダルChain-of-Thoughtガイド強化学習フレームワークCAD-RLを提案する。本手法は,3つのタスク固有報酬を用いた目標駆動型強化学習ポストトレーニングとコールドスタートを組み合わせた。 CAD-RLは、推論品質、出力精度、コード実行可能性を大幅に改善することを示した。
論文参考訳（メタデータ） (2025-08-13T18:30:49Z)
CADmium: Fine-Tuning Code Language Models for Text-Driven Sequential CAD Design [14.874524630759332]
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)
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)
BlenderLLM: Training Large Language Models for Computer-Aided Design with Self-improvement [45.19076032719869]
我々は,大規模言語モデル(LLM)をCAD(Computer-Aided Design)で訓練するフレームワークであるBlenderLLMを提案する。以上の結果から,既存のモデルではCADスクリプトの正確な生成に重大な制限があることが明らかとなった。命令ベースの微調整と反復的な自己改善によって、BlenderLLMはCADスクリプト生成の機能と精度の両方においてこれらのモデルを大幅に上回っている。
論文参考訳（メタデータ） (2024-12-16T14:34:02Z)
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)
CAD-MLLM: Unifying Multimodality-Conditioned CAD Generation With MLLM [39.113795259823476]
マルチモーダル入力に条件付きパラメトリックCADモデルを生成可能な最初のシステムであるCAD-MLLMを導入する。先進的な大規模言語モデル (LLM) を用いて,多様なマルチモーダルデータとCADモデルのベクトル化表現に特徴空間を整合させる。得られたデータセットはOmni-CADと呼ばれ、CADモデル毎にテキスト記述、多視点画像、ポイント、コマンドシーケンスを含む最初のマルチモーダルCADデータセットである。
論文参考訳（メタデータ） (2024-11-07T18:31:08Z)
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)
ContrastCAD: Contrastive Learning-based Representation Learning for Computer-Aided Design Models [0.7373617024876725]
本稿では,ContrastCAD という,CAD モデルを学習するための対照的な学習手法を提案する。コントラストCADはCADモデルの構成シーケンス内の意味情報を効果的にキャプチャする。また,RRE法(Random Replace and Extrude)と呼ばれる新しいCADデータ拡張手法を提案し,モデルの学習性能を向上させる。
論文参考訳（メタデータ） (2024-04-02T05:30:39Z)
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)
DeepCAD: A Deep Generative Network for Computer-Aided Design Models [37.655225142981564]
形状をコンピュータ支援設計(CAD)操作のシーケンスとして記述した形状表現の3次元生成モデルについて述べる。 CAD操作と自然言語の類似性について,トランスフォーマーに基づくCAD生成ネットワークを提案する。
論文参考訳（メタデータ） (2021-05-20T03:29:18Z)

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。