論文の概要: Text2CAD-Bench: A Benchmark for LLM-based Text-to-Parametric CAD Generation

• arxiv url: http://arxiv.org/abs/2605.18430v1
• Date: Mon, 18 May 2026 14:03:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:49.697176
• Title: Text2CAD-Bench: A Benchmark for LLM-based Text-to-Parametric CAD Generation
• Title（参考訳）: Text2CAD-Bench: LLMベースのテキスト-パラメトリックCAD生成のためのベンチマーク
• Authors: Liang Wang, Heng Meng, Zekai Xiang, Jin Liu, Pingyi Zhou, Litao Chen, Yongqiang Tang,
• Abstract要約: Text2CAD-Benchは、幾何学的複雑さとアプリケーションの多様性にまたがってテキスト・ツー・CADを体系的に評価する最初のベンチマークである。 L1-L2は標準的な特徴を持つ基本幾何学をカバーし、L3は複雑なトポロジーと自由曲面を導入し、L4は機械部品以外の現実世界の領域に拡張する。
• 参考スコア（独自算出の注目度）: 17.331508993372257
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-to-CAD generation aims to create parametric CAD models from natural language, enabling rapid prototyping and intuitive design workflows. However, existing benchmarks focus on basic primitives and simple sketch-extrude sequences, lacking advanced features essential for real-world applications and covering only traditional mechanical parts. We introduce Text2CAD-Bench, the first benchmark systematically evaluating text-to-CAD across geometric complexity and application diversity. Our benchmark comprises 600 human-curated examples spanning four levels: L1-L2 cover fundamental geometry with standard features, L3 introduces complex topology and freeform surfaces, and L4 extends to real-world domains beyond mechanical parts. Each example pairs dual-style prompts -- geometric descriptions mimicking non-expert users, and procedural sequences aligned with expert-level conventions. Evaluating mainstream general LLMs and domain-specific models, we find that current models perform reasonably on basic geometry but degrade substantially on complex topology and advanced features. We release our benchmark to drive progress in text-to-CAD research.
• Abstract（参考訳）: Text-to-CAD生成は、自然言語からパラメトリックCADモデルを作成することを目的としており、迅速なプロトタイピングと直感的な設計ワークフローを可能にする。 しかし、既存のベンチマークでは基本的なプリミティブと単純なスケッチ・エクストラルド・シーケンスに焦点が当てられており、現実世界のアプリケーションに不可欠な高度な機能は欠けており、従来の機械部品のみをカバーしている。 Text2CAD-Benchは、幾何学的複雑さとアプリケーションの多様性にまたがってテキスト・ツー・CADを体系的に評価する最初のベンチマークである。 L1-L2は標準的な特徴を持つ基本幾何学をカバーし、L3は複雑なトポロジーと自由曲面を導入し、L4は機械部品以外の現実世界の領域に拡張する。 それぞれの例はデュアルスタイルプロンプト -- 専門家でないユーザを模倣した幾何学的記述と、専門家レベルの規約に準拠した手続き的なシーケンス - をペアにします。 主流のLLMとドメイン固有モデルを評価すると、現在のモデルは基本幾何学では合理的に機能するが、複雑なトポロジーや高度な特徴では著しく劣化する。 我々は,テキスト・ツー・CAD研究の進展を促すためのベンチマークをリリースする。

関連論文リスト

• Towards High-Fidelity CAD Generation via LLM-Driven Program Generation and Text-Based B-Rep Primitive Grounding [18.983809090879348]
  高忠実度CAD生成のための新しいテキスト・ツー・CADフレームワークであるFutureCADを提案する。 提案手法は, 実行可能なCadQueryスクリプトを生成し, テキストベースのクエリ機構を導入する。 実験の結果,FutureCADGroundは最新のCAD生成性能を実現することがわかった。
  論文  参考訳（メタデータ） (2026-03-12T11:54:29Z)
• CAD-Tokenizer: Towards Text-based CAD Prototyping via Modality-Specific Tokenization [16.26305802216836]
  CAD-Tokenizerは、プリミティブレベルプーリングと制約付きデコードを備えたシーケンスベースのVQ-VAEを用いて、モダリティ固有のトークンでCADデータを表現している。 この設計はCADの構造的性質に沿ったコンパクトでプリミティブな表現を生成する。
  論文  参考訳（メタデータ） (2025-09-25T13:38:36Z)
• SeqAffordSplat: Scene-level Sequential Affordance Reasoning on 3D Gaussian Splatting [85.87902260102652]
  本稿では, 連続3次元ガウシアン・アフラマンス推論の課題について紹介する。 次に,SeqSplatNetを提案する。SqSplatNetは,命令を直接3Dアベイランスマスクのシーケンスにマッピングするエンドツーエンドフレームワークである。 本手法は,1段階のインタラクションから,シーンレベルでの複雑なシーケンシャルなタスクへの可利用性推論を効果的に向上させる。
  論文  参考訳（メタデータ） (2025-07-31T17:56:55Z)
• 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)
• PHT-CAD: Efficient CAD Parametric Primitive Analysis with Progressive Hierarchical Tuning [52.681829043446044]
  ParaCADは1000万点以上のアノテートドローイングと、複雑なトポロジカルな構造とテストのための物理的な制約を備えた3,000の現実世界の産業図で構成されている。 PHT-CADは視覚言語モデルのモダリティアライメントと推論機能を利用する新しい2次元PPAフレームワークである。
  論文  参考訳（メタデータ） (2025-03-23T17:24:32Z)

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。