論文の概要: SOV-CAD: Stepwise Orthographic Views Guided CAD Modeling Sequence Reconstruction

• arxiv url: http://arxiv.org/abs/2607.04119v1
• Date: Sun, 05 Jul 2026 05:12:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.834494
• Title: SOV-CAD: Stepwise Orthographic Views Guided CAD Modeling Sequence Reconstruction
• Title（参考訳）: SOV-CAD:段階的オーソグラフィビューガイド付きCADモデリングシーケンス再構築
• Abstract要約: SOV-CADはCAD再構成をシーケンシャルな意思決定タスクとして定式化するフレームワークである。 オフラインの強化学習とDecision Transformerアーキテクチャを採用している。 CADシーケンス再構成における最先端の手法を超越し、強力なデータ効率を示す。
• 参考スコア（独自算出の注目度）: 10.5983720313455
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing Computer-Aided Design (CAD) modeling sequences from images is crucial for preserving design intent and supporting parametric editing. However, existing methods typically generate full CAD sequences holistically, overlooking the iterative, feedback-driven nature of human design workflows. We address this limitation by introducing the rich stepwise visual supervision: at each modeling step, the system observes the target's orthographic projections, the projections of the incrementally constructed model, and the active sketch, enabling informed action selection. To effectively leverage this on-the-fly feedback, we propose SOV-CAD, a framework that formulates CAD reconstruction as a sequential decision-making task and employs offline reinforcement learning with a Decision Transformer architecture. This design incorporates continuous visual feedback guided by geometric alignment rewards, resulting in a more accurate and human-like modeling process. Extensive experiments show that SOV-CAD surpasses state-of-the-art methods in CAD sequence reconstruction while exhibiting strong data efficiency. Code of SOV-CAD is available at: https://github.com/LukePhong/SOV-CAD
• Abstract（参考訳）: 画像からのコンピュータ支援設計(CAD)モデリングシーケンスの再構築は,設計意図の保存とパラメトリック編集のサポートに不可欠である。 しかし、既存の手法は、人間のデザインワークフローの反復的、フィードバック駆動的な性質を見越して、概して完全なCADシーケンスを生成する。 モデリングの各ステップにおいて、システムはターゲットの正書法投影、漸進的に構築されたモデルの投影、アクティブスケッチを観察し、情報的な行動選択を可能にする。 このオンザフライフィードバックを効果的に活用するために、CAD再構成を逐次意思決定タスクとして定式化し、決定変換器アーキテクチャを用いたオフライン強化学習を用いるSOV-CADを提案する。 この設計には幾何アライメントの報酬によって導かれる連続的な視覚フィードバックが含まれており、より正確で人間らしいモデリングプロセスをもたらす。 大規模な実験により,SOV-CADはCAD配列再構成の最先端手法を超越し,データ効率は高いことがわかった。 SOV-CADのコードは、https://github.com/LukePhong/SOV-CADで公開されている。

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)
• 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)
• CReFT-CAD: Boosting Orthographic Projection Reasoning for CAD via Reinforcement Fine-Tuning [31.342222156939403]
  本稿では,2段階の微調整パラダイムであるCReFT-CADを紹介する。 われわれはTriView2CADをリリースした。
  論文  参考訳（メタデータ） (2025-05-31T13:52:56Z)
• 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)
• GenCAD: Image-Conditioned Computer-Aided Design Generation with Transformer-Based Contrastive Representation and Diffusion Priors [3.796768352477804]
  CAD(Computer-Aided Design)による製造可能で編集可能な3D形状の作成は、手作業と時間を要する作業である。 本稿では、画像入力をパラメトリックCADコマンドシーケンスに変換するために、コントラスト学習フレームワークと潜時拡散モデルを備えた自己回帰変換器を用いた生成モデルであるGenCADを紹介する。
  論文  参考訳（メタデータ） (2024-09-08T23:49:11Z)
• 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)
• ContrastCAD: Contrastive Learning-based Representation Learning for Computer-Aided Design Models [0.7373617024876725]
  本稿では,ContrastCAD という,CAD モデルを学習するための対照的な学習手法を提案する。 コントラストCADはCADモデルの構成シーケンス内の意味情報を効果的にキャプチャする。 また,RRE法(Random Replace and Extrude)と呼ばれる新しいCADデータ拡張手法を提案し,モデルの学習性能を向上させる。
  論文  参考訳（メタデータ） (2024-04-02T05:30:39Z)
• 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)
• CAD-SIGNet: CAD Language Inference from Point Clouds using Layer-wise Sketch Instance Guided Attention [13.227571488321358]
  CADモデルの設計履歴を復元するために,エンドツーエンドでトレーニング可能な自動回帰アーキテクチャを提案する。 我々のモデルは、ポイントクラウドとCAD言語埋め込みの階層的相互注意により視覚言語表現を学習する。 CAD-SIGNetは自己回帰的な性質により、入力ポイントクラウドが与えられたCADモデルのユニークな完全な設計履歴を再構築するだけでなく、複数の可能な設計選択も提供する。
  論文  参考訳（メタデータ） (2024-02-27T16:53:16Z)
• Point2CAD: Reverse Engineering CAD Models from 3D Point Clouds [26.10631058349939]
  本稿では,分割点雲と構造CADモデルのギャップを埋めるハイブリッド解析ニューラルネットワーク再構成手法を提案する。 また,自由曲面の暗黙的表現を新たに提案し,CAD再構成方式の性能向上を図る。
  論文  参考訳（メタデータ） (2023-12-07T08:23:44Z)
• 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。