論文の概要: neuralCAD-Edit: An Expert Benchmark for Multimodal-Instructed 3D CAD Model Editing

• arxiv url: http://arxiv.org/abs/2604.16170v1
• Date: Fri, 17 Apr 2026 15:38:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.982138
• Title: neuralCAD-Edit: An Expert Benchmark for Multimodal-Instructed 3D CAD Model Editing
• Title（参考訳）: NeuralCAD-Edit: マルチモーダルな3DCADモデル編集のためのエキスパートベンチマーク
• Authors: Toby Perrett, Matthew Bouchard, William McCarthy,
• Abstract要約: NeuralCAD-Editは、専門家CADエンジニアが収集した3DCADモデルを編集する最初のベンチマークである。 編集を行う人間CAD専門家に対して、主要な基礎モデルをベンチマークする。 最も優れた基礎モデル(GPT 5.2)でさえ、ヒトの受け入れ試験においてCADの専門家よりも53%低いスコア(絶対値)である。
• 参考スコア（独自算出の注目度）: 2.6528121511626903
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce neuralCAD-Edit, the first benchmark for editing 3D CAD models collected from expert CAD engineers. Instead of text conditioning as in prior works, we collect realistic CAD editing requests by capturing videos of professional designers, interacting directly with CAD models in CAD software, while talking, pointing and drawing. We recruited ten consenting designers to contribute to this contained study. We benchmark leading foundation models against human CAD experts carrying out edits, and find a large performance gap in both automatic metrics and human evaluations. Even the best foundation model (GPT 5.2) scores 53% lower (absolute) than CAD experts in human acceptance trials, demonstrating the challenge of neuralCAD-Edit. We hope neuralCAD-Edit will provide a solid foundation against which 3D CAD editing approaches and foundation models can be developed. Code/data: https://autodeskailab.github.io/neuralCAD-Edit
• Abstract（参考訳）: 我々は,専門的なCAD技術者が収集した3DCADモデルを編集するための最初のベンチマークであるNeuralCAD-Editを紹介する。 従来の作業のようにテキストコンディショニングではなく、プロのデザイナーのビデオを撮影し、CADソフトウェアのCADモデルと直接対話し、話し、指差し、描画することで、リアルなCAD編集要求を収集する。 私たちはこの研究に貢献するために10人のコンセンサスデザイナーを雇った。 我々は,人間のCAD専門家による編集を行うための基礎モデルをベンチマークし,自動測定と人的評価の両方において大きな性能差を見出した。 最高の基礎モデル(GPT 5.2)でさえ、ヒトの受け入れ試験においてCAD専門家よりも53%低い(絶対)スコアを示し、ニューラルCAD編集の課題を実証している。 ニューラルCAD-Editは、3DCAD編集アプローチや基礎モデルを開発するための基盤となることを願っている。 コード/データ:https://autodeskailab.github.io/neuralCAD-Edit

関連論文リスト

• 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)
• RAG-6DPose: Retrieval-Augmented 6D Pose Estimation via Leveraging CAD as Knowledge Base [112.72361202480154]
  本稿では,3次元CADモデルを知識ベースとして活用する検索拡張手法であるRAG-6DPoseを提案する。 標準的なベンチマークと実世界のロボットタスクによる実験結果は、我々のアプローチの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2025-06-23T17:19:41Z)
• 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)
• Img2CAD: Conditioned 3D CAD Model Generation from Single Image with Structured Visual Geometry [12.265852643914439]
  編集可能なパラメータを生成するために2次元画像入力を用いた最初の知識であるImg2CADを提案する。 Img2CADはAI 3D再構成とCAD表現のシームレスな統合を可能にする。
  論文  参考訳（メタデータ） (2024-10-04T13:27:52Z)
• OpenECAD: An Efficient Visual Language Model for Editable 3D-CAD Design [1.481550828146527]
  OpenECADモデル(0.55B, 0.89B, 2.4B, 3.1B)を作成するための事前学習モデルの微調整を行った。 OpenECADモデルは、入力として3Dデザインの画像を処理することができ、高度に構造化された2Dスケッチと3D構築コマンドを生成する。 これらの出力は、プロジェクトファイルを生成するために既存のCADツールのAPIで直接使用することができる。
  論文  参考訳（メタデータ） (2024-06-14T10:47:52Z)
• 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)
• 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。