論文の概要: OmniMech: All-in-one Multimodal Mechanical Benchmark for 3D Reconstruction
- arxiv url: http://arxiv.org/abs/2608.05539v1
- Date: Thu, 06 Aug 2026 02:36:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 15:25:20.814615
- Title: OmniMech: All-in-one Multimodal Mechanical Benchmark for 3D Reconstruction
- Title（参考訳）: OmniMech:3D再構成のためのオールインワンマルチモーダルメカニカルベンチマーク
- Abstract要約: 産業データからCAD生成における視覚言語モデルを評価するための最初の100万スケールベンチマークであるOmniMechを紹介する。
OmniMechには251,000点以上の完全な寸法と寛容な2Dホログラフィックの描画が含まれており、ネイティブCADモデルと組み合わせている。
将来の研究をサポートするために、ベンチマークデータ、評価コード、ツールインターフェースをリリースします。
- 参考スコア（独自算出の注目度）: 15.427717696810456
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Recent vision-language models (VLMs) can generate executable CAD programs from images, but existing methods mainly target coarse, general-purpose 3D objects and rarely address the fine-grained geometry and millimeter-level tolerances required in industrial mechanical design. We introduce OmniMech, the first million-scale benchmark for evaluating VLMs on executable CAD generation from industrial manufacturing data. OmniMech contains more than 251,000 fully dimensioned and toleranced 2D orthographic drawings, paired with native CAD models, multi-view renderings, mesh, STEP and B-rep representations, and rich semantic annotations. The benchmark includes four tasks: (1) parametric CAD program synthesis from engineering drawings; (2) diagram-to-3D reasoning for geometrically and structurally consistent reconstruction; (3) annotation-grounded reasoning over dimensions, symbols, feature callouts, and manufacturing constraints; and (4) tool-augmented agentic reasoning using visualization, measurement, CAD execution, and verification tools. Experiments show that current VLMs and CAD-specialized models still struggle with executable program synthesis, fine-grained 3D reconstruction, and reliable enforcement of dimensions and tolerances. We will release the benchmark data, evaluation code, and tool interfaces to support future research.
- Abstract（参考訳）: 近年の視覚言語モデル(VLM)は画像から実行可能なCADプログラムを生成することができるが、既存の手法は主に粗い汎用の3Dオブジェクトをターゲットにしており、工業機械設計に必要な微細な幾何学やミリレベルの耐性にはほとんど対応していない。
OmniMechは、産業生産データから実行可能なCAD生成のVLMを評価するための最初の100万スケールのベンチマークである。
OmniMechには251,000以上の完全な次元と寛容な2Dの正書法、ネイティブCADモデル、マルチビューレンダリング、メッシュ、STEPおよびB-rep表現、リッチセマンティックアノテーションが含まれている。
本ベンチマークは,(1)工学的図面からのCADプログラムのパラメトリック合成,(2)幾何学的かつ構造的に整合性のある再構築のための図から3D推論,(3)次元,シンボル,特徴的コールアウト,製造制約に対する注釈付き推論,(4)可視化,計測,CAD実行,検証ツールを用いたツール拡張型エージェント推論の4つのタスクを含む。
実験によると、現在のVLMとCAD特化モデルは、実行可能プログラム合成、きめ細かい3D再構成、寸法と許容範囲の信頼性の確保に苦慮している。
将来の研究をサポートするために、ベンチマークデータ、評価コード、ツールインターフェースをリリースします。
関連論文リスト
- MUSE: Benchmarking Manufacturable, Functional, and Assemblable Text-to-CAD Generation [17.467056775887944]
MUSEは、複雑な編集可能な境界表現アセンブリに焦点を当てたText-to-CADベンチマークである。
MUSEは、コードチェック、幾何チェック、デザインインテントアライメントという3段階のプロトコルを通じて生成されたモデルを評価する。
クローズドソースおよびオープンソース LLM の実験では、実行可能コードから有効な幾何への明確な障害カスケードが明らかになった。
論文 参考訳（メタデータ） (2026-05-27T15:01:59Z) - CADBench: A Multimodal Benchmark for AI-Assisted CAD Program Generation [3.6136995620089145]
CADBenchはマルチモーダルCADプログラム生成のための統一ベンチマークである。
CADBenchは6つのベンチマークファミリーにまたがる18,000の評価サンプルを含んでいる。
CADに特化して汎用的な視覚言語システム11のベンチマークを行い,14万以上のCADプログラムを生成した。
論文 参考訳（メタデータ） (2026-05-11T17:25:47Z) - BenchCAD: A Comprehensive, Industry-Standard Benchmark for Programmatic CAD [14.284307846349774]
本稿では,産業CAD推論のための統一ベンチマークであるBenchCADを紹介する。
BenchCADには,106の産業部門を対象とした17,900のCadQueryプログラムが含まれている。
視覚的質問応答、コード質問応答、画像からコードへの生成、命令誘導コード編集を通じてモデルを評価する。
論文 参考訳（メタデータ） (2026-05-11T17:13:36Z) - 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) - From Intent to Execution: Multimodal Chain-of-Thought Reinforcement Learning for Precise CAD Code Generation [47.67703214044401]
CADモデリングコード生成のためのマルチモーダルChain-of-Thoughtガイド強化学習フレームワークCAD-RLを提案する。
本手法は,3つのタスク固有報酬を用いた目標駆動型強化学習ポストトレーニングとコールドスタートを組み合わせた。
CAD-RLは、推論品質、出力精度、コード実行可能性を大幅に改善することを示した。
論文 参考訳（メタデータ） (2025-08-13T18:30:49Z) - 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) - E3D-Bench: A Benchmark for End-to-End 3D Geometric Foundation Models [78.1674905950243]
3次元幾何学基礎モデル(GFM)の総合ベンチマークを初めて提示する。
GFMは、単一のフィードフォワードパスで密度の高い3D表現を直接予測し、スローまたは未使用のカメラパラメータを不要にする。
我々は16の最先端GFMを評価し、タスクやドメイン間の長所と短所を明らかにした。
すべてのコード、評価スクリプト、処理されたデータは公開され、3D空間インテリジェンスの研究が加速される。
論文 参考訳（メタデータ） (2025-06-02T17:53:09Z) - 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) - CADReview: Automatically Reviewing CAD Programs with Error Detection and Correction [11.33947758511237]
CADレビュータスクを導入し,潜在的なエラーを自動的に検出し,修正する。
本稿では,プログラムエラーを効果的に検出するCADプログラム修復(ReCAD)フレームワークを提案する。
我々は,CADレビュータスクに対して,20K以上のプログラムイメージペアからなるデータセットCADReviewを作成し,多様なエラーを発生させる。
論文 参考訳（メタデータ） (2025-05-28T12:41:00Z) - 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。