論文の概要: GraphCAD: Geometry-Aware Diffusion on Edge-Adjacency Graphs for CAD Generation

• arxiv url: http://arxiv.org/abs/2610.30974v1
• Date: Thu, 22 Oct 2026 09:18:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.301377
• Title: GraphCAD: Geometry-Aware Diffusion on Edge-Adjacency Graphs for CAD Generation
• Title（参考訳）: GraphCAD:CAD生成のためのエッジ隣接グラフの幾何学的拡散
• Abstract要約: 我々は,エッジ・アジャケーシ・グラフ(EAG)に基づくモデリングを中心とする幾何学的認識型生成フレームワークであるGraphCADを提案する。 図形CADは50面以上の複雑なCADモデルを生成することができ、幾何学的忠実度と分布的アライメントの最先端性能を実現する。
• 参考スコア（独自算出の注目度）: 22.308832430127918
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative modeling for Computer-Aided Design (CAD) remains fundamentally challenged by the need to capture the intricate interplay between discrete topological connectivity and precise spatial geometry inherent in Boundary Representations (B-reps). Existing generative approaches largely formulate CAD construction as a sequence modeling problem, but consequently lack an explicit topological inductive bias. In this work, we present GraphCAD, a geometry-aware generative framework that centers modeling on the Edge-Adjacency Graph (EAG), a novel graph-based CAD representation tailored for generative tasks. GraphCAD adopts a hybrid graph diffusion formulation to jointly model the discrete and continuous components of EAG and introduces a geometry-aware denoising mechanism that renders node attributes into spatial point sets. These point sets are encoded by an SE(3)-equivariant backbone and fused into the node representations, thereby grounding the generative process in physical geometry. To support this study, we construct EAGBench, a large-scale dataset of engineering CAD models. Extensive experiments show that GraphCAD can generate complex CAD models with more than 50 faces and achieves state-of-the-art performance in geometric fidelity and distributional alignment compared with sequence-based baselines.
• Abstract（参考訳）: コンピュータ支援設計のための生成的モデリング(CAD)は、境界表現(B-reps)に固有の離散的なトポロジカル接続と正確な空間幾何学との間の複雑な相互作用を捉える必要性により、根本的な課題が残されている。 既存の生成的アプローチは主にシーケンスモデリング問題としてCAD構築を定式化するが、結果として明らかに位相的帰納バイアスが欠如している。 本稿では,生成タスクに適したグラフベースの新しいCAD表現であるエッジ・アジャシエンス・グラフ(EAG)のモデリングを中心とする,幾何学的認識型生成フレームワークであるGraphCADを提案する。 GraphCADは、EAGの離散的かつ連続的なコンポーネントを共同でモデル化するために、ハイブリッドグラフ拡散の定式化を採用し、ノード属性を空間的点集合にレンダリングする幾何学的認識の認知機構を導入している。 これらの点集合はSE(3)-同変バックボーンによって符号化され、ノード表現に融合することで、物理幾何学における生成過程を基礎づける。 本研究では,CADモデルの大規模データセットであるEAGBenchを構築した。 大規模な実験により,グラフCADは50面以上の複雑なCADモデルを生成することができ,幾何学的忠実度および分布的アライメントにおいて,シーケンスベースベースラインと比較して最先端の性能が得られることが示された。

関連論文リスト

• UniBRep: Learning Unified Geometry and Topology for Image-conditioned B-Rep Generation [51.601490120494326]
  We present UniBRep, a geometry-first framework that adapted a pretrained image-to-3D model to generate a feature mesh as a unified intermediate representation。 標準のDeepCADベンチマークでは、UniBRepは80.49%の入力に対して有効なB-repsを生成し、顔のチャムファー距離を0.1096から0.0345に削減している。
  論文  参考訳（メタデータ） (2026-10-02T21:59:29Z)
• 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)
• HiDiGen: Hierarchical Diffusion for B-Rep Generation with Explicit Topological Constraints [11.721957326448162]
  境界表現(B-rep)はCADシステムにおける標準3Dモデリングフォーマットである。 HiDiGenは、幾何モデリングを2つのステージに分離する階層的な生成フレームワークである。 実験の結果,HiDiGenは高い性能を示し,新しい,多様な,トポロジカルなCADモデルを生成する。
  論文  参考訳（メタデータ） (2026-04-03T08:06:51Z)
• 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)
• CADDreamer: CAD Object Generation from Single-view Images [43.59340035126575]
  既存の3D生成モデルは、しばしば過度に密度が高く非構造的なメッシュを生成する。 本稿では,CADオブジェクトの境界表現(B-rep)を単一画像から生成するための新しいアプローチであるCADDreamerを紹介する。 その結果,本手法は単視点画像から高品質CADオブジェクトを効果的に回収することを示した。
  論文  参考訳（メタデータ） (2025-02-28T05:30:29Z)
• 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)
• A Survey of Geometric Graph Neural Networks: Data Structures, Models and Applications [71.809127869349]
  本稿では、幾何学的メッセージパッシングの観点から、既存のモデルの統一的なビューを提供するデータ構造として幾何学的グラフを定式化する。 また、方法論開発と実験評価の後の研究を促進するために、アプリケーションと関連するデータセットを要約する。
  論文  参考訳（メタデータ） (2024-03-01T12:13:04Z)
• 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。