論文の概要: GeoFusion-CAD: Structure-Aware Diffusion with Geometric State Space for Parametric 3D Design
- arxiv url: http://arxiv.org/abs/2603.21978v1
- Date: Mon, 23 Mar 2026 13:41:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.692691
- Title: GeoFusion-CAD: Structure-Aware Diffusion with Geometric State Space for Parametric 3D Design
- Title（参考訳）: GeoFusion-CAD:パラメトリック3次元設計のための幾何学的状態空間を用いた構造認識拡散
- Authors: Xiaolei Zhou, Chuangjie Fang, Jie Wu, Jingyi Yang, Boyi Lin, Jianwei Zheng,
- Abstract要約: CAD(Parametric Computer-Aided Design)は、現代の3Dモデリングの基本である。
既存のメソッドは長いコマンドシーケンスを生成するのに苦労する。
スケーラブルかつ構造対応な生成のためのエンドツーエンド拡散フレームワークであるGeoFusion-CADを提案する。
- 参考スコア（独自算出の注目度）: 10.120364226524417
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Parametric Computer-Aided Design (CAD) is fundamental to modern 3D modeling, yet existing methods struggle to generate long command sequences, especially under complex geometric and topological dependencies. Transformer-based architectures dominate CAD sequence generation due to their strong dependency modeling, but their quadratic attention cost and limited context windowing hinder scalability to long programs. We propose GeoFusion-CAD, an end-to-end diffusion framework for scalable and structure-aware generation. Our proposal encodes CAD programs as hierarchical trees, jointly capturing geometry and topology within a state-space diffusion process. Specifically, a lightweight C-Mamba block models long-range structural dependencies through selective state transitions, enabling coherent generation across extended command sequences. To support long-sequence evaluation, we introduce DeepCAD-240, an extended benchmark that increases the sequence length ranging from 40 to 240 while preserving sketch-extrusion semantics from the ABC dataset. Extensive experiments demonstrate that GeoFusion-CAD achieves superior performance on both short and long command ranges, maintaining high geometric fidelity and topological consistency where Transformer-based models degrade. Our approach sets new state-of-the-art scores for long-sequence parametric CAD generation, establishing a scalable foundation for next-generation CAD modeling systems. Code and datasets are available at GitHub.
- Abstract（参考訳）: CAD(Parametric Computer-Aided Design)は、現代の3Dモデリングの基本であるが、既存の手法は、特に複雑な幾何学的および位相的依存関係の下で、長い命令列を生成するのに苦労している。
トランスフォーマーベースのアーキテクチャは依存性のモデリングが強いためにCADシークエンス生成を支配しているが、その二次的注意コストとコンテキストウィンドウの制限により、長いプログラムのスケーラビリティが損なわれる。
スケーラブルかつ構造対応な生成のためのエンドツーエンド拡散フレームワークであるGeoFusion-CADを提案する。
本提案では,CADプログラムを階層木として符号化し,状態空間拡散過程における幾何とトポロジーを共同でキャプチャする。
具体的には、軽量なC-Mambaブロックは、選択的な状態遷移を通じて長距離構造依存をモデル化し、拡張されたコマンドシーケンス間のコヒーレント生成を可能にする。
ABCデータセットからのスケッチ・エクストルージョン・セマンティクスを保存しながら,40から240までのシーケンス長を増大させる拡張ベンチマークであるDeepCAD-240を導入する。
大規模な実験により、GeoFusion-CADは短い命令範囲と長い命令範囲の両方で優れた性能を示し、Transformerベースのモデルが劣化する際の幾何学的忠実度と位相的整合性を維持する。
提案手法は、長周期パラメトリックCAD生成のための新しい最先端スコアを設定し、次世代CADモデリングシステムのためのスケーラブルな基盤を確立する。
コードとデータセットはGitHubで入手できる。
関連論文リスト
- Learning From Design Procedure To Generate CAD Programs for Data Augmentation [7.894465542100662]
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。
論文 参考訳（メタデータ） (2026-03-06T21:32:15Z) - DreamCAD: Scaling Multi-modal CAD Generation using Differentiable Parametric Surfaces [67.45867367326105]
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。
論文 参考訳（メタデータ） (2026-03-05T19:04:07Z) - 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) - 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) - 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) - Seeing 3D Through 2D Lenses: 3D Few-Shot Class-Incremental Learning via Cross-Modal Geometric Rectification [59.17489431187807]
本稿では,CLIPの階層的空間意味論を活用することで3次元幾何学的忠実度を高めるフレームワークを提案する。
本手法は3次元のクラスインクリメンタル学習を著しく改善し,テクスチャバイアスに対して優れた幾何コヒーレンスとロバスト性を実現する。
論文 参考訳（メタデータ） (2025-09-18T13:45:08Z) - 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) - 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) - 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) - 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。