論文の概要: Pointer-CAD: Unifying B-Rep and Command Sequences via Pointer-based Edges & Faces Selection
- arxiv url: http://arxiv.org/abs/2603.04337v1
- Date: Wed, 04 Mar 2026 17:55:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-05 21:29:15.438758
- Title: Pointer-CAD: Unifying B-Rep and Command Sequences via Pointer-based Edges & Faces Selection
- Title（参考訳）: Pointer-CAD:Pointer-based Edges & Faces SelectionによるB-RepとCommandSequenceの統合
- Authors: Dacheng Qi, Chenyu Wang, Jingwei Xu, Tianzhe Chu, Zibo Zhao, Wen Liu, Wenrui Ding, Yi Ma, Shenghua Gao,
- Abstract要約: 大規模言語モデル(LLM)は、CADをコマンドシーケンスとして表現することでLLMベースのCAD生成にインスピレーションを与えている。
本稿では,B-repモデルの幾何学的情報を逐次モデリングに組み込んだ新しいLCMベースのCAD生成フレームワークであるPointer-CADを提案する。
実験により、Pointer-CADは複雑な幾何学構造の生成を効果的に支援し、セグメント化誤差を極端に低いレベルまで低減することを示した。
- 参考スコア（独自算出の注目度）: 36.418031479264585
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Constructing computer-aided design (CAD) models is labor-intensive but essential for engineering and manufacturing. Recent advances in Large Language Models (LLMs) have inspired the LLM-based CAD generation by representing CAD as command sequences. But these methods struggle in practical scenarios because command sequence representation does not support entity selection (e.g. faces or edges), limiting its ability to support complex editing operations such as chamfer or fillet. Further, the discretization of a continuous variable during sketch and extrude operations may result in topological errors. To address these limitations, we present Pointer-CAD, a novel LLM-based CAD generation framework that leverages a pointer-based command sequence representation to explicitly incorporate the geometric information of B-rep models into sequential modeling. In particular, Pointer-CAD decomposes CAD model generation into steps, conditioning the generation of each subsequent step on both the textual description and the B-rep generated from previous steps. Whenever an operation requires the selection of a specific geometric entity, the LLM predicts a Pointer that selects the most feature-consistent candidate from the available set. Such a selection operation also reduces the quantization error in the command sequence-based representation. To support the training of Pointer-CAD, we develop a data annotation pipeline that produces expert-level natural language descriptions and apply it to build a dataset of approximately 575K CAD models. Extensive experimental results demonstrate that Pointer-CAD effectively supports the generation of complex geometric structures and reduces segmentation error to an extremely low level, achieving a significant improvement over prior command sequence methods, thereby significantly mitigating the topological inaccuracies introduced by quantization error.
- Abstract（参考訳）: コンピュータ支援設計(CAD)モデルの構築は労働集約的だが、エンジニアリングや製造には不可欠である。
大規模言語モデル(LLM)の最近の進歩は、CADをコマンドシーケンスとして表現することでLLMベースのCAD生成にインスピレーションを与えている。
しかし、コマンドシーケンス表現はエンティティの選択(例えば顔やエッジ)をサポートしておらず、シャムファーやフィレットのような複雑な編集操作をサポートする能力を制限するため、現実的なシナリオでは苦労する。
さらに、スケッチや外乱操作中の連続変数の離散化は、トポロジカルな誤りをもたらす可能性がある。
これらの制約に対処するために,ポインタベースの命令シーケンス表現を利用した新しいLCMベースのCAD生成フレームワークであるPointer-CADを紹介し,B-repモデルの幾何学的情報を逐次モデリングに明示的に組み込む。
特に、Pointer-CADはCADモデル生成をステップに分解し、以前のステップから生成されたテキスト記述とB-repの両方にその後のステップの生成を条件付ける。
ある操作が特定の幾何学的実体の選択を必要とする場合、LLMは利用可能な集合から最も特徴に一貫性のある候補を選択するポインタを予測する。
このような選択操作は、コマンドシーケンスベースの表現における量子化誤差を減少させる。
Pointer-CADのトレーニングを支援するために,専門家レベルの自然言語記述を生成するデータアノテーションパイプラインを開発し,約575KのCADモデルのデータセットを構築する。
大規模な実験結果から,Pointer-CADは複雑な幾何学構造の生成を効果的に支援し,セグメント化誤差を極端に低いレベルまで低減し,従来の命令列法よりも大幅に改善し,量子化誤差によって生じる位相的不正確さを著しく軽減することを示した。
関連論文リスト
- BrepCoder: A Unified Multimodal Large Language Model for Multi-task B-rep Reasoning [4.393837288225634]
B-rep入力から多様なCADタスクを実行するPythonライクな大規模言語モデル(MLLM)であるBrepCoderを提案する。
LLMのコード生成機能を活用することで、CADモデリングシーケンスをPythonライクなコードに変換し、B-repと整合させる。
論文 参考訳（メタデータ） (2026-02-25T12:44:28Z) - HistCAD: Geometrically Constrained Parametric History-based CAD Dataset [7.7008607520955]
HistCADは制約対応モデリングシーケンスを特徴とする大規模データセットである。
HistCADは、編集可能、制約対応、セマンティックにリッチな生成CADモデリングを進めるための統一されたベンチマークを提供する。
論文 参考訳（メタデータ） (2025-12-08T05:52:14Z) - ReCAD: Reinforcement Learning Enhanced Parametric CAD Model Generation with Vision-Language Models [16.220781575918256]
ReCADは、マルチモーダル入力から正確なパラメトリックコンピュータ支援設計(CAD)モデルを生成するために、プレトレーニング済みの大型モデル(PLM)をブートストラップする強化学習(RL)フレームワークである。
我々は階層的な原始的な学習プロセスを用いて、統一報酬関数の下で構造的および構成的スキルを教える。
ReCADは、テキスト・トゥ・CADタスクと画像・トゥ・CADタスクの両方で新しい最先端のタスクを設定し、分布内および分布外設定の幾何学的精度を大幅に改善する。
論文 参考訳（メタデータ） (2025-12-06T07:12:56Z) - BrepGPT: Autoregressive B-rep Generation with Voronoi Half-Patch [61.20046418942948]
境界表現(B-rep)はCADモデル表現のデファクトスタンダードである。
本稿では,B-rep生成のためのシングルステージ自動回帰フレームワークBrepGPTを提案する。
論文 参考訳（メタデータ） (2025-11-27T07:16:53Z) - CAD-Tokenizer: Towards Text-based CAD Prototyping via Modality-Specific Tokenization [16.26305802216836]
CAD-Tokenizerは、プリミティブレベルプーリングと制約付きデコードを備えたシーケンスベースのVQ-VAEを用いて、モダリティ固有のトークンでCADデータを表現している。
この設計はCADの構造的性質に沿ったコンパクトでプリミティブな表現を生成する。
論文 参考訳（メタデータ） (2025-09-25T13:38:36Z) - 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) - CReFT-CAD: Boosting Orthographic Projection Reasoning for CAD via Reinforcement Fine-Tuning [31.342222156939403]
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) - 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) - 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) - 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。