論文の概要: Learning From Design Procedure To Generate CAD Programs for Data Augmentation

• arxiv url: http://arxiv.org/abs/2603.06894v1
• Date: Fri, 06 Mar 2026 21:32:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:13.3849
• Title: Learning From Design Procedure To Generate CAD Programs for Data Augmentation
• Title（参考訳）: データ拡張のためのCADプログラム作成のための設計手順からの学習
• Authors: Yan-Ying Chen, Dule Shu, Matthew Hong, Andrew Taber, Jonathan Li, Matthew Klenk,
• Abstract要約: 大規模言語モデルに基づくCADプログラム生成における鍵となる課題は、生成した形状の幾何学的複雑さの制限である。 本稿では,LLMが参照曲面プログラムに条件付きCADプログラムを生成することを促す新しいデータ拡張パラダイムを提案する。 有機形状の集合を用いて参照面を変化させることで,生成したCADモデルの幾何学的分布を増大させる。
• 参考スコア（独自算出の注目度）: 7.894465542100662
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) have demonstrated impressive capabilities in a wide range of code generation tasks. However, generating code for certain domains remains challenging. One such domain is Computer-Aided Design (CAD) program, where the goal is to produce scripted parametric models that define object geometry for precise design and manufacturing applications. A key challenge in LLM-based CAD program generation is the limited geometric complexity of generated shapes compared to those found in real-world industrial designs. This shortfall is in part due to the lack of diversity in the available CAD program training data. To address this, we propose a novel data augmentation paradigm that prompts an LLM to generate CAD programs conditioned on a reference surface program and a modeling procedure - an idea inspired by practices in industrial design. By varying the reference surface using a collection of organic shapes, our method enriches the geometric distribution of generated CAD models. In particular, it introduces edges and faces defined by spline-based curvature, which are typically missing or underrepresented in existing open-source CAD program datasets. Experiments show that our method produces CAD samples with significantly greater geometric diversity and a higher resemblance to industry-grade CAD designs in terms of the proportion of organic shape primitives. This enhancement makes our CAD data augmentation approach a useful tool for training LLMs and other deep learning models in CAD generation.
• Abstract（参考訳）: 大きな言語モデル(LLM)は、幅広いコード生成タスクにおいて印象的な機能を示している。 しかし、特定のドメインのコードを生成することは依然として困難である。 そのようなドメインの1つはCAD(Computer-Aided Design)プログラムであり、このプログラムの目的は、正確な設計および製造アプリケーションのためのオブジェクト幾何学を定義するスクリプトパラメトリックモデルを作成することである。 LLMベースのCADプログラム生成における鍵となる課題は、現実の工業設計と比較すると、生成した形状の幾何学的複雑さが限定されていることである。 この欠点の一部は、利用可能なCADプログラムのトレーニングデータに多様性がないためである。 そこで本研究では,産業設計における実践に触発された,参照曲面プログラムとモデリング手順に基づくCADプログラムの生成を促す新しいデータ拡張パラダイムを提案する。 本手法は,有機形状の集合を用いて参照面を変化させることで,生成したCADモデルの幾何学的分布を増大させる。 特に、スプラインベースの曲率によって定義されるエッジとフェイスを導入しており、これは既存のオープンソースCADプログラムデータセットに欠落または不足しているのが一般的である。 実験により, 有機形状プリミティブに比例して, 形状の多様性が著しく向上し, 産業用CAD設計との類似性が高いCAD試料が得られた。 この拡張により、CADデータ拡張アプローチは、CAD生成においてLLMやその他のディープラーニングモデルをトレーニングするための有用なツールとなる。

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)
• GenCAD-3D: CAD Program Generation using Multimodal Latent Space Alignment and Synthetic Dataset Balancing [3.5539239472975583]
  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。
  論文  参考訳（メタデータ） (2025-09-17T19:10:44Z)
• 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)
• Seek-CAD: A Self-refined Generative Modeling for 3D Parametric CAD Using Local Inference via DeepSeek [19.441404313543227]
  本研究は,CADモデル生成のための自己補充機構に視覚的および連鎖的フィードバック(CoT)を組み込んだ最初の研究である。 SSR(Sketch, Sketch-based feature, and Refinements)の3次元設計パラダイムを中心に構築された革新的な3次元CADモデルデータセットを提案する。
  論文  参考訳（メタデータ） (2025-05-23T10:11:19Z)
• 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)
• Geometric Deep Learning for Computer-Aided Design: A Survey [76.3325417461511]
  幾何学的深層学習技術は、コンピュータ支援設計の分野における変革の原動力となっている。 幾何データで表されるCAD設計を処理し、それらの符号化された特徴を解析することで、類似性を識別することができる。 本調査は, コンピュータ支援設計における学習手法の総合的な概要を, 様々なカテゴリーにまたがって紹介する。
  論文  参考訳（メタデータ） (2024-02-27T17:11:35Z)
• 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。