論文の概要: Intent2CAD: How Semantic-Parametric Supervision Shapes Text-to-CAD Generation
- arxiv url: http://arxiv.org/abs/2611.03449v1
- Date: Mon, 02 Nov 2026 16:58:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 04:29:42.125739
- Title: Intent2CAD: How Semantic-Parametric Supervision Shapes Text-to-CAD Generation
- Title（参考訳）: Intent2CAD:Semantic-Parametric Supervision Shapes Text-to-CAD Generation
- Abstract要約: 設計意図を復号可能なコードレベル信号として表現するインテント指向のテキスト・ツー・CAD生成を提案する。
本稿では,CAD生成と意図保存編集の両面において,監督表現がどのような影響を及ぼすかを検討する。
セマンティックリフトは信頼性の高いプリミティブグループを機能レベルの操作に書き換え、パラメトリックリフトは軽量なパラメトリック関係を公開する。
- 参考スコア（独自算出の注目度）: 0.29737220923371155
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Text-to-CAD generation aims to make CAD modeling more accessible by generating executable CAD programs from natural-language descriptions. However, practical CAD workflows require more than executable geometry: generated programs should also expose reusable structure that supports later modification. We introduce intent-oriented text-to-CAD generation, where design intent is expressed as recoverable code-level signals: semantic features, reusable parameters, and lightweight parametric relations. Rather than changing the model architecture or decoding procedure, we investigate how supervision representation granularity affects both CAD generation and zero-shot intent-preserving editing. To enable this study, we construct IntentCAD-100K, a 100K paired text--code dataset built by converting low-level CAD construction traces into executable CadQuery programs. We further construct IntentCAD-Edit-1K to evaluate zero-shot intent-preserving editing from the same representation perspective. Intent2CAD uses a two-stage conservative lifting pipeline: semantic lifting rewrites reliable primitive groups into feature-level operations, while parametric lifting exposes lightweight parametric relations. Under controlled fine-tuning, semantic lifting mainly improves generation reliability and feature recovery, reducing IR from 2.39% to 0.22% and achieving 99.96% API Recovery, while parametric lifting makes reusable relation structure explicit and further improves relation-aware zero-shot editing. Datasets and code are available at https://github.com/JinboYang94/Intent2CAD.
- Abstract（参考訳）: テキスト・ツー・CAD生成は、自然言語記述から実行可能なCADプログラムを生成することによりCADモデリングをより容易にすることを目的としている。
しかし、実用的なCADワークフローは実行可能な幾何学以上のものを必要とし、生成されたプログラムは後続の修正をサポートする再利用可能な構造を公開する必要がある。
そこでは,設計意図をコードレベル信号(意味的特徴,再利用可能なパラメータ,軽量なパラメトリック関係)として表現する。
モデルアーキテクチャの変更や復号処理よりも、CAD生成とゼロショット保存編集の両方において、監督表現の粒度がどう影響するかを検討する。
本研究では,低レベルのCAD構築トレースを実行可能なCadQueryプログラムに変換することで,100KペアのテキストコードデータセットであるIntentCAD-100Kを構築する。
さらにIntentCAD-Edit-1Kを構築し、同じ表現の観点からゼロショットインテント保存編集を評価する。
セマンティックリフトは信頼性の高いプリミティブグループを機能レベルの操作に書き換え、パラメトリックリフトは軽量なパラメトリック関係を公開する。
制御された微調整の下では、セマンティックリフトは主に生成信頼性と機能回復を改善し、IRを2.39%から0.22%に削減し、99.96%のAPIリカバリを実現している。
データセットとコードはhttps://github.com/JinboYang94/Intent2CADで入手できる。
関連論文リスト
- CADForge: Agentic Single-View CAD Reconstruction with Explicit Geometry Reasoning [15.968994600101787]
本稿では,1つの画像をCadQueryプログラムに段階的に変換するエージェントフレームワークCADForgeを提案する。
CadForgeはオブジェクトをCADに意味のあるコンポーネントに分解し、各コンポーネントに対して明示的な幾何学的推論を実行する。
多様な単一および多部分オブジェクトに対する実験により、CADForgeは、再構築の忠実さと知覚品質において、既存のベースラインを一貫して上回っていることが示された。
論文 参考訳（メタデータ） (2026-10-03T03:39:54Z) - StepCAD: Mesh-to-CAD Code Generation via LLM Policy and Geometry-Guided Search [4.363435943825789]
StepCADは、状態条件CADポリシーと幾何学誘導探索を組み合わせた生成最適化手法である。
また、多様な操作にまたがる1.5M実行可能CADプログラムの大規模データセットであるARCADE-1.5Mを紹介する。
StepCADは、最先端の幾何学的復元精度を常に高い妥当性で達成し、IoUの相対的改善率は87.2%に達する。
論文 参考訳（メタデータ） (2026-10-01T05:57:05Z) - CIT-CAD: Constraint Intent Tree-based CAD Code Generation and Verification [14.39975999842683]
設計意図を明確にし、システムが生成したコードをその意図に対してチェックできるフレームワークを提案する。
このフレームワークは生成されたプログラムから実際の制約を抽出し、期待される制約と比較し、ミスマッチを使用して設計違反をローカライズし、修復する。
論文 参考訳（メタデータ） (2026-09-07T12:42:42Z) - CADFS: A Big CAD Program Dataset and Framework for Computer-Aided Design with Large Language Models [80.47087401394882]
本稿では,大規模視覚言語モデルによる複雑なCAD設計履歴の生成を可能にするデータ中心型フレームワークCADFSを紹介する。
我々は15のモデリング操作にまたがる450kの実世界のCADモデルのデータセットを構築した。
この表現でVLMを微調整すると、テキスト条件付きCAD生成と画像ベース再構成の最先端結果が得られる。
論文 参考訳（メタデータ） (2026-05-03T15:12:36Z) - 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) - ReCAD: Reinforcement Learning Enhanced Parametric CAD Model Generation with Vision-Language Models [16.220781575918256]
ReCADは、マルチモーダル入力から正確なパラメトリックコンピュータ支援設計(CAD)モデルを生成するために、プレトレーニング済みの大型モデル(PLM)をブートストラップする強化学習(RL)フレームワークである。
我々は階層的な原始的な学習プロセスを用いて、統一報酬関数の下で構造的および構成的スキルを教える。
ReCADは、テキスト・トゥ・CADタスクと画像・トゥ・CADタスクの両方で新しい最先端のタスクを設定し、分布内および分布外設定の幾何学的精度を大幅に改善する。
論文 参考訳（メタデータ） (2025-12-06T07:12:56Z) - 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) - AutoCAD: Automatically Generating Counterfactuals for Mitigating
Shortcut Learning [70.70393006697383]
完全自動かつタスクに依存しないCAD生成フレームワークであるAutoCADについて述べる。
本稿では,完全に自動化されたタスクに依存しないCAD生成フレームワークであるAutoCADを提案する。
論文 参考訳（メタデータ） (2022-11-29T13:39:53Z)
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。