ICMLJul, 2022

SkexGen：基于自回归的 CAD 构建序列生成及解耦编码

PDF
TL;DRSkexGen 是一种新颖的自回归生成模型，适用于包含草图挤出建模操作的计算机辅助设计（CAD）构造序列。该模型利用不同的 Transformer 体系结构将构造序列的拓扑、几何和挤出变化编码到独立的代码本中，并通过自回归 Transformer 解码器生成 CAD 构造序列，共享由代码本向量指定的某些属性。广泛的实验表明，我们的独立代码本表示生成多样化和高质量的 CAD 模型，改进了用户控制，并实现有效地设计空间探索。
skexgenautoregressive generative modelcomputer-aided designdisentangled codebookcad construction
发现论文，激发创造
  • 可控的 CAD 模型生成的 层次化神经编码

    本文提出了一种新颖的计算机辅助设计 (CAD) 的生成模型，通过使用神经编码的三级分层树来表示 CAD 模型的高级设计概念，并且指定目标设计，从而控制 CAD 模型的生成或完成。

    Jun, 2023

  • SketchGen: 生成受限 CAD 素描

    使用基于变换器架构的生成模型 SketchGen 来处理计算机辅助设计中基本段和约束的异构性问题，并证明其在生成完整标志和预测给定图案的约束方面明显优于目前的状态 - of-the-art 模型。

    Jun, 2021

  • ContrastCAD：基于对比学习的计算机辅助设计模型表示学习

    提出了一种名为 ContrastCAD 的新型对比学习方法，能够有效地捕捉 CAD 模型构造序列中的语义信息。实验证明，该方法在训练不平衡的 CAD 数据集时，通过提出的 CAD 数据增强方法 RRE 显著增强了 Transformer-based 自编码器的学习表现，并且对于具有非常长的构造序列的复杂 CAD 模型也能够表现出鲁棒性。

    Apr, 2024

  • Sketch2CAD：上下文中的草图顺序 CAD 建模

    本文提出了一种基于草图的 CAD 建模系统，通过深度神经网络对 CAD 操作进行识别，以解决解析二维草图模糊不清的问题，并使用合成的 CAD 操作序列进行训练。实验表明，该系统可以快速创建各种不同的对象，是一种与现有 CAD 建模系统交互的替代方式。

    Sep, 2020

  • DeepCAD：用于计算机辅助设计模型的深度生成网络

    提出了基于 Transformer 的 CAD 生成模型，能够自动编码和随机生成 3D 形状，为此创建了一个包含 178,238 个模型的 CAD 数据集，并公开该数据集以促进未来的研究。

    May, 2021

  • SketchGPT：基于自回归模型的素描生成与识别

    我们提出了 SketchGPT，这是一个灵活的框架，使用序列到序列的自回归模型进行素描生成和完成，并进行了一个解释性案例研究用于素描识别。

    May, 2024

  • 计算机辅助设计中的工程草图生成

    本文提供了两种生成模型（CurveGen 和 TurtleGen）用于工程素描生成，为综合和构建参数化 CAD 模型迈出了第一步，并通过感知评估表明，与当前领先的工程素描生成技术相比，该技术能够生成更加逼真的工程素描。

    Apr, 2021

  • Vitruvion：参数化 CAD 素描生成模型

    本文提出一种基于生成建模的参数化 CAD 设计方法，利用机器学习技术，实现自动补全、约束推断和条件合成功能，支持部分作图和手绘图像匹配，并能够在机械设计工作流中发挥重要的作用。

    Sep, 2021

  • Sketch2Mesh: 从草图重建和编辑三维形状

    本文提出一种基于编码器 / 解码器架构利用用户界面提供的相机参数对手绘或合成草图进行转换，将草图转化成三维网格并进行图形重塑的方法，并表明该方法易于部署，对样式变化具有鲁棒性和高效性，且具备单笔画进行形状精细化的能力。和目前最先进的方法相比，我们表现更好。

    Apr, 2021

  • 自动反向工程：从多视图图像创建计算机辅助设计 (CAD) 模型

    计算机辅助设计（CAD）模型生成是一项重要任务，提出了一种利用卷积神经网络、多视角池化和基于转换器的 CAD 序列生成器的网络架构，通过大量的模拟输入图片进行训练和优化，成功地从测试图像数据重建有效的 CAD 模型，并表明该网络的一些能力可以迁移到实际照片领域，然而目前可行的模型复杂度仍然受限于基本形状。

    Sep, 2023