論文の概要: ConCAD: Constraint-Aware Image-to-CAD Generation with Dual-Granularity Rewards
- arxiv url: http://arxiv.org/abs/2609.34494v1
- Date: Mon, 28 Sep 2026 07:44:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 13:00:28.624849
- Title: ConCAD: Constraint-Aware Image-to-CAD Generation with Dual-Granularity Rewards
- Title（参考訳）: ConCAD:Dual-Granularity Rewardsを用いた制約対応画像-CAD生成
- Abstract要約: グループ相対的ポリシー最適化(GRPO)により最適化された制約対応画像間CADフレームワークであるConCADを紹介する。
これらの報酬が幾何と設計意図を回復することを検証するため、B-rep幾何制約満足度(G-CSR)を導入する。
DeepCADとZero2CADの実験は、ConCADが競争ベースラインよりも優れたIoUとChamfer Distanceを実現していることを示している。
- 参考スコア（独自算出の注目度）: 9.271551875949836
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image-to-CAD generation seeks executable parametric programs that recover both the geometry and design intent of a reference object. Existing systems are commonly evaluated by validity and shape overlap, although two solids with similar volume can encode different CAD relations. We introduce ConCAD, a constraint-aware image-to-CAD framework optimized via Group Relative Policy Optimization (GRPO) with rewards at two complementary granularities: a code-level constraint reward and an execution-level geometric reward. This complementary design disambiguates structurally distinct yet volumetrically similar shapes while ensuring valid 3D geometry. To verify that these rewards recover geometry and design intent, we introduce a B-rep geometric constraint satisfaction rate (G-CSR), which analytically extracts and evaluates geometric constraints from boundary representations. Experiments on the DeepCAD and Zero2CAD demonstrate that ConCAD achieves the best IoU and Chamfer Distance over competitive baselines, while also outperforming them on G-CSR, validating its superior recovery of both geometric fidelity and parametric design intent.
- Abstract（参考訳）: Image-to-CAD生成は、参照オブジェクトの幾何学的意図と設計意図の両方を回復する実行可能なパラメトリックプログラムを求める。
既存のシステムは有効性と形状の重なりによって一般に評価されるが、類似の体積を持つ2つの固体は異なるCAD関係を符号化することができる。
我々は,コードレベルの制約報酬と実行レベルの幾何報酬の2つの相補的な粒度で報酬を付与する,グループ相対ポリシー最適化(GRPO)によって最適化された制約対応のイメージ・ツー・CADフレームワークであるConCADを紹介する。
この相補的な設計は、構造的に異なるが体積的に類似した形状を曖昧にし、有効な3次元幾何学を保証している。
これらの報酬が幾何と設計意図を回復することを検証するため、境界表現から幾何学的制約を抽出し評価するB-rep幾何制約満足度(G-CSR)を導入する。
DeepCADとZero2CADの実験では、ConCADは競合するベースラインよりも優れたIoUとChamfer Distanceを実現し、G-CSRよりも優れており、幾何学的忠実度とパラメトリック設計意図の両方の優れた回復を実証している。
関連論文リスト
- Vision2CAD: A Visual Agent Harness for Explicit Geometry Referencing and Localization in Parametric CAD Modeling [10.15583274975567]
視覚言語モデル(VLM)推論と決定論的CADカーネル操作を組み合わせた視覚エージェントであるVision2CADを提案する。
IDベースのインターフェースは明示的な幾何学的選択をサポートし、局所座標ブリッジはビュー座標をスケッチ座標に変換し、投影エッジのローカライゼーションは外部のスケッチ制約をサポートする。
論文 参考訳（メタデータ） (2026-09-19T01:45:11Z) - VGGT-CAD: Reconstructing Parametric CAD 3D Model with Geometric Grounding [18.940210354091146]
VGGT-CADは、単視点・多視点観測によるパラメトリックCAD再構成のための幾何学的枠組みである。
様々な視点を扱うために,変数ビュー・クロスビュー・コンテキストアグリゲーション・モジュールを導入する。
また,既存のCADデータから派生した大規模マルチビュービデオベンチマークであるVideoCADを開発した。
論文 参考訳（メタデータ） (2026-09-18T02:13:44Z) - Autoregressive B-Rep Shape Generation with Parametric Surfaces [83.03418080213359]
ParaCADは、ポイントクラウド条件のB-Rep生成のための自動回帰フレームワークである。
我々のモデルはまず、制約されたUV領域を持つパラメトリック曲面を生成し、その後、これらの曲面をグローバルに交差させることで有効なB-Repを構築する。
大規模な実験により、ParaCADは忠実な点-クラウドアライメントで正確なB-Repsを生成することが示された。
論文 参考訳（メタデータ） (2026-07-19T06:14:50Z) - LG-HCC: Local Geometry-Aware Hierarchical Context Compression for 3D Gaussian Splatting [77.81227097905865]
アンカーベースの3DGS圧縮スキームは、いくつかの高度な文脈モデルを通してガウスの冗長性を減少させる。
本稿では, アンカープルーニングとエントロピー符号化にアンカー幾何学的相関を組み込んだ3DGSのための局所幾何学的階層型コンテキスト圧縮フレームワークを提案する。
実験の結果、LG-HCCは構造保存の問題を効果的に緩和し、Mip-NeRF360データセット上のScaffold-GSベースラインと比較して最大30.85倍のストレージを削減した。
論文 参考訳（メタデータ） (2026-03-30T13:39:35Z) - 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) - CADKnitter: Compositional CAD Generation from Text and Geometry Guidance [8.644079160190175]
幾何誘導拡散サンプリング戦略を用いた構成CAD生成フレームワークCADKnitterを提案する。
CADKnitterは、与えられたCADモデルの幾何学的制約と、所望の設計テキストプロンプトのセマンティック制約の両方に従う補完的なCAD部分を生成することができる。
また、310,000以上のCADモデルのサンプルと、テキストプロンプトとアセンブリメタデータを含むデータセット、いわゆるKnitCADをキュレートする。
論文 参考訳（メタデータ） (2025-12-12T01:06:38Z) - GACO-CAD: Geometry-Augmented and Conciseness-Optimized CAD Model Generation from Single Image [11.612167656421079]
マルチモーダル大言語モデル(MLLM)は2次元画像から3次元幾何学を正確に推定するのに依然として苦労している。
本稿では,新しい2段階後学習フレームワークGACO-CADを紹介する。
DeepCADとFusion360データセットの実験は、GACO-CADが最先端のパフォーマンスを達成することを示している。
論文 参考訳（メタデータ） (2025-10-20T04:57:20Z) - 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) - 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) - SketchGraphs: A Large-Scale Dataset for Modeling Relational Geometry in
Computer-Aided Design [18.041056084458567]
CAD(Parametric Computer-Aided Design)は、物理設計における機械工学の主要なパラダイムである。
SketchGraphsは、実世界のCADモデルから抽出された1500万のスケッチと、オープンソースのデータ処理パイプラインを組み合わせたコレクションである。
論文 参考訳（メタデータ） (2020-07-16T17:56:25Z)
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。