論文の概要: Drawing-Recode: Annotation Grounding for Parametric CAD Code Generation from Raster 2D CAD Drawings

• arxiv url: http://arxiv.org/abs/2607.27558v1
• Date: Thu, 30 Jul 2026 01:05:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.35635
• Title: Drawing-Recode: Annotation Grounding for Parametric CAD Code Generation from Raster 2D CAD Drawings
• Title（参考訳）: 描画復号:ラスター2次元CAD図面からのパラメトリックCADコード生成のための注釈グラウンド
• Abstract要約: Drawing-Recodeは、2次元CAD描画からCADコードとしてパラメトリックCADシーケンスを生成するフレームワークである。 Drawing-Recodeは画像エンコーダを介して幾何学的特徴を抽出し、別のテキスト認識モジュールを通じてアノテーションを認識する。
• 参考スコア（独自算出の注目度）: 4.799951586267901
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recovering Parametric CAD sequences from raster-format 2D Computer-Aided Design (CAD) drawings accumulated prior to digital transformation is important for part reproduction and manufacturing process automation. However, existing studies either process only vector drawings or are limited to specific domains, and fail to explicitly connect dimensional annotations to geometric information, limiting their use of dimensional information for 3D Parametric CAD sequences recovery. We propose Drawing-Recode, a framework that generates Parametric CAD sequences as CAD code from raster 2D CAD drawings. Drawing-Recode extracts geometric features via an image encoder and recognizes annotations through a separate text recognition module, then explicitly grounds annotations to geometric information using cross-attention and our proposed Annotation Grounding Loss (AGL). The resulting features are fed into a Large Language Model (LLM) to generate CAD code in the Structured Parametric CAD Code (SPCC) format. Experiments show that Drawing-Recode outperforms existing baselines and remains robust on scanned drawings resembling industrial conditions. We expect Drawing-Recode contributes to digitizing raster 2D CAD drawings in industrial settings and to part reproduction and manufacturing automation.
• Abstract（参考訳）: デジタルトランスフォーメーションに先立って蓄積されたラスターフォーマット2Dコンピュータ支援デザイン(CAD)図面からパラメトリックCADシーケンスを復元することは、部品の再生と製造プロセスの自動化に重要である。 しかし、既存の研究はベクトル図面のみを処理するか、特定の領域に限定されているかのいずれかであり、次元アノテーションを幾何学的情報に明示的に結び付けることができず、3次元パラメトリックCADシークエンス回復のための次元情報の使用を制限している。 本稿では,ラスタ2次元CAD図面からCADコードとしてパラメトリックCADシーケンスを生成するフレームワークであるDrawing-Recodeを提案する。 描画-Recodeは画像エンコーダを介して幾何学的特徴を抽出し、別個のテキスト認識モジュールを介してアノテーションを認識し、その後、クロスアテンションと提案したアノテーション接地損失(AGL)を用いて幾何学的情報にアノテーションを明示的に接地する。 得られた機能はLarge Language Model (LLM) に入力され、構造化パラメトリックCADコード(SPCC)フォーマットでCADコードを生成する。 実験により、Drawing-Recodeは既存のベースラインよりも優れており、産業条件に類似したスキャンされた描画に頑健であることが示された。 我々は、Draster-Recodeが産業環境におけるラスタ2DCAD図面のデジタル化に寄与し、再生と製造の自動化に寄与することを期待する。

関連論文リスト

• PrintAnything: Learning an Intermediate Representation for 3D printing G-code Generation [55.17895662302656]
  既存の3Dプリンティングパイプラインの多くは、水密メッシュを入力として必要としており、製造にポイントクラウドを直接使用するのを防いでいる。 我々は、3Dポイントクラウドから直接実行可能な3DプリンティングGコードを生成することを学習する新しいフレームワークであるPrintAnythingを提案する。 提案手法は点雲から直接プリント可能なG符号を正確に生成し、3Dプリンティングのための実用的で完全なメッシュフリーパイプラインを実現する。
  論文  参考訳（メタデータ） (2026-07-30T06:09:49Z)
• 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)
• Drawing2CAD: Sequence-to-Sequence Learning for CAD Generation from Vector Drawings [13.135028604324754]
  CAD(Computer-Aided Design)生成モデリングは、産業アプリケーション全体で重要なイノベーションを導いている。 最近の研究は、ポイントクラウド、メッシュ、テキスト記述など、さまざまな入力からソリッドモデルを作成する際に顕著な進歩を見せている。 これらの手法は、2次元のエンジニアリング図面から始まる伝統的な産業図面と根本的に異なる。 これらの2次元ベクトル描画からパラメトリックCADモデルの自動生成は、エンジニアリング設計における重要なステップであるにもかかわらず、まだ探索されていない。
  論文  参考訳（メタデータ） (2025-08-26T07:01:58Z)
• CAD-Coder:Text-Guided CAD Files Code Generation [2.6807043000799524]
  CAD(Computer-Aided Design)は、現実世界の製品の2D描画と3Dモデルを作成する方法である。 本稿では,自然言語命令をCADスクリプトコードに変換するフレームワークCAD-Coderを提案する。
  論文  参考訳（メタデータ） (2025-05-13T15:45:46Z)
• 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)
• 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)
• 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)
• Patch2CAD: Patchwise Embedding Learning for In-the-Wild Shape Retrieval from a Single Image [58.953160501596805]
  本稿では,2次元画像と3次元CADモデルの結合埋め込み空間をパッチワイズで構築する手法を提案する。 我々のアプローチは、CADが正確に一致しない実世界のシナリオにおける最先端技術よりも堅牢である。
  論文  参考訳（メタデータ） (2021-08-20T20:58:52Z)

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。