論文の概要: DreamCAD: Scaling Multi-modal CAD Generation using Differentiable Parametric Surfaces

• arxiv url: http://arxiv.org/abs/2603.05607v1
• Date: Thu, 05 Mar 2026 19:04:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 13:17:44.301649
• Title: DreamCAD: Scaling Multi-modal CAD Generation using Differentiable Parametric Surfaces
• Title（参考訳）: DreamCAD:微分パラメトリックサーフェスを用いたマルチモーダルCAD生成
• Authors: Mohammad Sadil Khan, Muhammad Usama, Rolandos Alexandros Potamias, Didier Stricker, Muhammad Zeshan Afzal, Jiankang Deng, Ismail Elezi,
• Abstract要約: ポイントレベルの監視から編集可能なBRepsを直接生成するマルチモーダル生成フレームワークであるDreamCADを提案する。 DreamCADは、各BRepをパラメトリックパッチの集合として表現し、メッシュを生成するために微分可能なテッセルレーション手法を使用する。 DreamCADはABCの最先端のパフォーマンスを達成し、テキスト、画像、点のモダリティにまたがるベンチマークを行う。
• 参考スコア（独自算出の注目度）: 67.45867367326105
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computer-Aided Design (CAD) relies on structured and editable geometric representations, yet existing generative methods are constrained by small annotated datasets with explicit design histories or boundary representation (BRep) labels. Meanwhile, millions of unannotated 3D meshes remain untapped, limiting progress in scalable CAD generation. To address this, we propose DreamCAD, a multi-modal generative framework that directly produces editable BReps from point-level supervision, without CAD-specific annotations. DreamCAD represents each BRep as a set of parametric patches (e.g., Bézier surfaces) and uses a differentiable tessellation method to generate meshes. This enables large-scale training on 3D datasets while reconstructing connected and editable surfaces. Furthermore, we introduce CADCap-1M, the largest CAD captioning dataset to date, with 1M+ descriptions generated using GPT-5 for advancing text-to-CAD research. DreamCAD achieves state-of-the-art performance on ABC and Objaverse benchmarks across text, image, and point modalities, improving geometric fidelity and surpassing 75% user preference. Code and dataset will be publicly available.
• Abstract（参考訳）: CAD(Computer-Aided Design)は構造化および編集可能な幾何学的表現に依存しているが、既存の生成手法は明示的な設計履歴や境界表現(BRep)ラベルを持つ小さな注釈付きデータセットによって制約される。 一方、何百万もの無注釈の3Dメッシュは未完成のままであり、スケーラブルなCAD生成の進歩を制限している。 そこで本研究では,CAD固有のアノテーションを使わずに,ポイントレベルの監視から直接編集可能なBRepsを生成するマルチモーダル生成フレームワークであるDreamCADを提案する。 DreamCADは、各BRepをパラメトリックパッチ(例えばベジエ表面)の集合として表現し、メッシュを生成するために微分可能なテッセルレーション手法を使用する。 これにより、接続可能な表面と編集可能な表面を再構築しながら、3Dデータセットでの大規模なトレーニングが可能になる。 さらに,これまでで最大のCADキャプションデータセットCADCap-1Mを導入し,GPT-5を用いて1M以上の記述を作成した。 DreamCADは、テキスト、画像、点のモダリティにまたがるABCとObjaverseのベンチマークで最先端のパフォーマンスを実現し、幾何学的忠実性を改善し、75%以上のユーザの好みを達成している。 コードとデータセットが公開される。

関連論文リスト

• CADKnitter: Compositional CAD Generation from Text and Geometry Guidance [8.644079160190175]
  幾何誘導拡散サンプリング戦略を用いた構成CAD生成フレームワークCADKnitterを提案する。 CADKnitterは、与えられたCADモデルの幾何学的制約と、所望の設計テキストプロンプトのセマンティック制約の両方に従う補完的なCAD部分を生成することができる。 また、310,000以上のCADモデルのサンプルと、テキストプロンプトとアセンブリメタデータを含むデータセット、いわゆるKnitCADをキュレートする。
  論文  参考訳（メタデータ） (2025-12-12T01:06:38Z)
• 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)
• CAD-Coder:Text-Guided CAD Files Code Generation [2.6807043000799524]
  CAD(Computer-Aided Design)は、現実世界の製品の2D描画と3Dモデルを作成する方法である。 本稿では,自然言語命令をCADスクリプトコードに変換するフレームワークCAD-Coderを提案する。
  論文  参考訳（メタデータ） (2025-05-13T15:45:46Z)
• 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-Recode: Reverse Engineering CAD Code from Point Clouds [12.864274930732055]
  3D CADリバースエンジニアリングは、点雲などの3D表現からスケッチとCAD操作シーケンスを再構成する。 提案したCAD-Recodeは,ポイントクラウドをPythonコードに変換することで,CADモデルを再構築する。 CADPythonのコード出力は既製のLCMで解釈可能であることを示し、CAD編集とCAD固有の問合せをポイントクラウドから行うことができることを示した。
  論文  参考訳（メタデータ） (2024-12-18T16:55:42Z)
• 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)
• 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)
• 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)
• Patch2CAD: Patchwise Embedding Learning for In-the-Wild Shape Retrieval from a Single Image [58.953160501596805]
  本稿では,2次元画像と3次元CADモデルの結合埋め込み空間をパッチワイズで構築する手法を提案する。 我々のアプローチは、CADが正確に一致しない実世界のシナリオにおける最先端技術よりも堅牢である。
  論文  参考訳（メタデータ） (2021-08-20T20:58:52Z)

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。