論文の概要: CADFit: Precise Mesh-to-CAD Program Generation with Hybrid Optimization
- arxiv url: http://arxiv.org/abs/2605.01171v1
- Date: Sat, 02 May 2026 00:19:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:49.62586
- Title: CADFit: Precise Mesh-to-CAD Program Generation with Hybrid Optimization
- Title（参考訳）: CADFit: ハイブリッド最適化による高精度メッシュ-CADプログラム生成
- Authors: Ghadi Nehme, Eamon Whalen, Faez Ahmed,
- Abstract要約: 本稿では,ハイブリッド最適化に基づくCAD再構成フレームワークであるCADFitを紹介する。
本手法は,構造CADプログラムに対するIoU駆動の最適化として再構成を定式化することによって特徴付けられる。
複数のCADベンチマークの実験により、CADFitは最先端のメッシュ・トゥ・CAD法より優れていることが示された。
- 参考スコア（独自算出の注目度）: 3.8824066002669855
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite recent progress, recovering parametric CAD construction sequences from geometric input, such as meshes or point clouds, is a key challenge for design and manufacturing, as existing CAD reconstruction and generation methods are largely restricted to difficult-to-edit formats like meshes or Breps or editable simple sketch-and-extrude pipelines and low-complexity datasets. We introduce CADFit, a hybrid optimization-based CAD reconstruction framework that recovers complex, editable CAD construction sequences from meshes by incrementally fitting and validating parametric operations using geometric feedback. Our approach is distinguished by formulating reconstruction as an IoU-driven optimization over structured CAD programs and supporting a rich set of operations, including extrusions, revolutions, fillets, and chamfers. Experiments on multiple CAD benchmarks show that CADFit outperforms state-of-the-art mesh-to-CAD methods in volumetric Intersection-over-Union and Chamfer Distance, while substantially reducing the Invalid Ratio of reconstructed CAD programs, particularly for complex designs. We further present a multimodal pipeline that enables end-to-end reconstruction of CAD construction sequences from images by combining image-based geometry reconstruction with CADFit. By enabling accurate reconstruction of higher-complexity CAD models, CADFit provides a practical foundation for generating richer datasets and advancing future learning-based approaches to CAD reverse engineering.
- Abstract（参考訳）: 近年の進歩にもかかわらず、メッシュやポイントクラウドなどの幾何学的入力からパラメトリックCAD構築シーケンスを復元することは、既存のCAD再構成および生成方法は、メッシュやブレップのような難しい編集形式や、編集可能な単純なスケッチ・アンド・エクスクルードパイプラインや低複雑さデータセットに大きく制限されているため、設計と製造において重要な課題である。
幾何フィードバックを用いてパラメトリックな操作を漸進的にフィッティングし検証することにより、メッシュから複雑なCAD構成シーケンスを復元するハイブリッド最適化CAD再構成フレームワークであるCADFitを紹介する。
提案手法は,構造CADプログラムに対するIoU駆動の最適化として再構成を定式化し,押出し,回転,フィレット,シャムファーなどの豊富な操作をサポートする。
複数のCADベンチマークの実験により、CADFitは、特に複雑な設計において、再構成されたCADプログラムの無効率を大幅に低減しつつ、ボリューム的インターセクション・オーバー・ユニオンとチャンファー距離において、最先端のメッシュ・ツー・CAD手法より優れていることが示された。
さらに,画像に基づく幾何再構成とCADFitを組み合わせることで,画像からのCAD構築シーケンスのエンドツーエンド再構築を可能にするマルチモーダルパイプラインを提案する。
高複雑さCADモデルの正確な再構築を可能にすることで、CADFitはよりリッチなデータセットを生成し、CADリバースエンジニアリングへの将来の学習ベースのアプローチを進めるための実践的な基盤を提供する。
関連論文リスト
- CADFS: A Big CAD Program Dataset and Framework for Computer-Aided Design with Large Language Models [80.47087401394882]
本稿では,大規模視覚言語モデルによる複雑なCAD設計履歴の生成を可能にするデータ中心型フレームワークCADFSを紹介する。
我々は15のモデリング操作にまたがる450kの実世界のCADモデルのデータセットを構築した。
この表現でVLMを微調整すると、テキスト条件付きCAD生成と画像ベース再構成の最先端結果が得られる。
論文 参考訳（メタデータ） (2026-05-03T15:12:36Z) - Zero-to-CAD: Agentic Synthesis of Interpretable CAD Programs at Million-Scale Without Real Data [8.896486786253766]
実行可能CAD構築シーケンスのためのスケーラブルなフレームワークであるZero-to-CADを紹介する。
我々は,大規模言語モデルをフィードバック駆動CAD環境に組み込むことで,コードを反復的に生成し,実行し,検証する。
このエージェント的アプローチは、約100万の実行可能な可読性、編集可能なCADシーケンスの合成を可能にする。
論文 参考訳（メタデータ） (2026-04-27T13:46:41Z) - 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) - MiCADangelo: Fine-Grained Reconstruction of Constrained CAD Models from 3D Scans [22.243878630903577]
本稿では,CADのリバースエンジニアリングに人間設計者が手作業で行う方法に着想を得た新しい手法を提案する。
提案手法は多平面断面を利用して2次元パターンを抽出し,より効果的にパラメトリックな細部を捕捉する。
これにより、詳細かつ編集可能なCADモデルの再構築、最先端の手法の向上、そして初めて、スケッチ制約を直接再構成プロセスに組み込むことができる。
論文 参考訳（メタデータ） (2025-10-27T15:33:51Z) - 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) - 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)
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。