4 个月前

层次神经编码用于可控CAD模型生成

层次神经编码用于可控CAD模型生成

摘要

本文提出了一种用于计算机辅助设计(CAD)的新生成模型,该模型具有以下特点:1) 将CAD模型的高层次设计概念表示为一个三层神经编码的层次树,从全局部件布局到局部曲线几何;2) 通过指定目标设计的代码树来控制CAD模型的生成或完成。具体而言,一种带有“掩码跳过连接”(masked skip connection)的新变体向量量化变分自编码器(VAE)在三个层级上提取设计变化作为神经码本。两级级联自回归变压器学习从不完整的CAD模型生成代码树,然后根据预期的设计完成CAD模型。大量实验表明,该模型在传统任务如随机生成方面表现出色,同时在条件生成任务中实现了新颖的交互能力。代码可在 https://github.com/samxuxiang/hnc-cad 获取。

代码仓库

samxuxiang/hnc-cad
官方
pytorch
GitHub 中提及

基准测试

基准方法指标
cad-reconstruction-on-deepcadHNC-CAD
Camfer Distance (median): 8.64
IoU: 65.3
cad-reconstruction-on-fusion-360-galleryHNC-CAD
Chamfer Distance (median): 36.8
IoU: 63.5

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
层次神经编码用于可控CAD模型生成 | 论文 | HyperAI超神经