論文の概要: Test-Time Scaling for CAD Generation via Verifier-Free Consensus Selection

• arxiv url: http://arxiv.org/abs/2608.09706v2
• Date: Fri, 14 Aug 2026 10:30:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 13:59:16.206654
• Title: Test-Time Scaling for CAD Generation via Verifier-Free Consensus Selection
• Title（参考訳）: 検証自由合意選択によるCAD生成のためのテスト時間スケーリング
• Authors: Aaron Haag, Altay Kacan, Bertram Fuchs, Oliver Lohse,
• Abstract要約: サンプル$N$パラメトリックCADプログラムを導入し、それらを3Dモデルにコンパイルし、プールの他の部分と最もよく一致する候補を返す。 最新のCAD生成手法の正確な候補プールでは、幾何学的コンセンサスにより、3つの幾何学的メトリクスの全てを検証器上で改善する。 試験された全てのLLMと即時変量において、幾何学的コンセンサスは同一プールからのランダム選択よりも幾何的精度を向上し、チャンファー距離を1-10%削減する。
• 参考スコア（独自算出の注目度）: 0.3499870393443268
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models can write parametric CAD programs from a natural-language description (text-to-CAD generation), but a single sample is often wrong. Increasing test-time compute by sampling multiple candidates only helps if a good candidate can be identified, yet no ground-truth model is available at generation time. Existing systems often require a separate verifier, such as a vision-language judge, to select among candidates. We investigate whether the candidate pool itself provides enough signal for effective selection and a verifier-free alternative. We introduce 3D CAD consensus selection, hereafter consensus selection: sample $N$ parametric CAD programs, compile them to 3D models, and return the candidate that agrees most with the rest of the pool. The method is training-free and compatible with existing CAD agents. We investigate geometric and topological notions of agreement, each of which improves its corresponding evaluation metric. On the exact candidate pools of a state-of-the-art CAD generation method, geometric consensus improves all three geometric metrics over the method's verifier, while topological consensus matches it on topology. Across every tested LLM and prompt variant, geometric consensus also improves geometric accuracy over random selection from the same pool, reducing Chamfer distance by $1-10\%$.
• Abstract（参考訳）: 大規模言語モデルは、自然言語記述(テキストからCAD生成)からパラメトリックCADプログラムを書くことができるが、単一のサンプルがしばしば間違っている。 複数の候補をサンプリングすることでテスト時間計算の増大は、よい候補を特定できる場合にのみ有効であるが、生成時に基礎となるモデルが利用できない。 既存のシステムは、候補者の中から選択するために、視覚言語判断器のような別個の検証器を必要とすることが多い。 候補プール自体が有効な選択のための十分な信号と検証不要な代替手段を提供するかどうかを検討する。 サンプル$N$パラメトリックCADプログラムを3Dモデルにコンパイルし、プールの他の部分と最もよく一致する候補を返す。 この方法はトレーニングフリーであり、既存のCADエージェントと互換性がある。 本稿では, 幾何的およびトポロジカルなコンセンサスの概念を考察し, それぞれが対応する評価基準を改善する。 最新のCAD生成手法の正確な候補プールでは、幾何学的コンセンサスにより、この手法の検証器上での3つの幾何学的メトリクスが改善され、トポロジ的コンセンサスはトポロジと一致する。 試験された全てのLLMおよび即時変種において、幾何学的コンセンサスは同一プールからのランダム選択よりも幾何的精度を向上し、チャンファー距離を1-10\%$に削減する。

関連論文リスト

• CANIS: Generation-Assisted 3D Canonicalization via an Image-Semantic Bridge [54.86517260361978]
  CANISはカテゴリーに依存しない世代支援フレームワークであり、凍結した画像から3D生成モデルに先立って意味指向を3Dの標準化に導入する。 キニスはまた、任意の回転の下で下流の3D分類、部分分割、密度の高い対応を改善している。
  論文  参考訳（メタデータ） (2026-08-07T14:13:00Z)
• Internalizing Geometric Law: Learning from Solver Residuals for Precision-Critical Generation [2.459492253868525]
  自然言語からのオープンエンド幾何合成について検討する。 私たちは、宣言的制約を微分可能な損失にコンパイルするプログラマブルな幾何学的DSLであるPyGeoXをリリースします。 本稿では,SAR(Saturating Additive Rewards)を提案する。
  論文  参考訳（メタデータ） (2026-06-08T09:44:31Z)
• Discretizing Group-Convolutional Neural Networks for 3D Geometry in Feature Space [4.089404117494378]
  グループ畳み込みニューラルネットワーク(GCNN)は、ディープラーニングにおける帰納バイアスとして対称性を導入する上で最も重要な手法の一つである。 本稿では,特徴空間のサンプリングを提案し,幾何学的に密度の高いサンプルを特徴類似性によって選択された代表サンプルに置き換える。 我々の主な経験的発見は、粗い特徴空間サンプリングが、分類精度を著しく高く保っていることである。
  論文  参考訳（メタデータ） (2026-05-14T19:47:43Z)
• Benchmarking PhD-Level Coding in 3D Geometric Computer Vision [43.42170296855238]
  3Dビジョンのためのコーディングを評価するベンチマークであるGeoCodeBenchを紹介する。 現在のエコシステムを反映する8つの代表的なオープンソースモデルとクローズドソースモデルを評価した。 ベストモデルであるGPT-5は36.6%のパスレートしか達成できなかった。
  論文  参考訳（メタデータ） (2026-03-31T17:50:55Z)
• Reasoning Planning for Language Models [23.519351730129426]
  本稿では,コントラスト学習フレームワークであるEPICを紹介する。 EPICは、モデル推論能力とクエリメソッド互換性の両方をキャプチャする共有表現空間を学習する。 多様な数学的推論タスクの実験は、EPICが常に最適な推論方法を選択することを示している。
  論文  参考訳（メタデータ） (2025-11-01T11:51:53Z)
• Test3R: Learning to Reconstruct 3D at Test Time [58.0912500917036]
  Test3Rは驚くほどシンプルなテストタイム学習技術で、幾何学的精度を大幅に向上させる。 本手法は従来の3次元再構成法や多視点深度推定法よりも優れていた。
  論文  参考訳（メタデータ） (2025-06-16T17:56:22Z)
• Sample, Don't Search: Rethinking Test-Time Alignment for Language Models [55.2480439325792]
  新しいテストタイムアライメントアプローチであるQAlignを紹介します。 テスト時間計算をスケールする際、QAlignは各プロンプトの最適配向分布からのサンプリングに収束する。 マルコフ連鎖モンテカルロのテキスト生成における最近の進歩を取り入れることで、基礎となるモデルを変更したり、ロジットアクセスを必要とせずに、より良い整合出力を可能にする。
  論文  参考訳（メタデータ） (2025-04-04T00:41:40Z)
• 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)
• Finding Geometric Models by Clustering in the Consensus Space [61.65661010039768]
  本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。 複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。 これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
  論文  参考訳（メタデータ） (2021-03-25T14:35:07Z)
• Isometric Multi-Shape Matching [50.86135294068138]
  形状間の対応を見つけることは、コンピュータビジョンとグラフィックスの基本的な問題である。 アイソメトリーは形状対応問題においてしばしば研究されるが、マルチマッチング環境では明確には考慮されていない。 定式化を解くのに適した最適化アルゴリズムを提案し,コンバージェンスと複雑性解析を提供する。
  論文  参考訳（メタデータ） (2020-12-04T15:58:34Z)

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。