摘要

从其他表示中逆向工程CAD形状是许多下游应用中的一个重要几何处理步骤。在本研究中，我们提出了一种新颖的神经网络架构来解决这一具有挑战性的任务，并用可编辑的、受约束的棱柱形CAD模型近似平滑符号距离函数。在训练过程中，我们的方法通过将形状分解为一系列2D轮廓图像和1D包络函数，在体素空间中重建输入几何图形。这些图像和函数可以以可微分的方式重新组合，从而定义一个几何损失函数。在推理阶段，我们首先搜索包含2D受约束草图的数据库，找到能够近似轮廓图像的曲线，然后对其进行拉伸，并使用布尔运算构建最终的CAD模型。我们的方法比其他方法更接近地近似目标形状，并输出高度可编辑的受约束参数化草图，这些草图与现有的CAD软件兼容。