
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-deepcad | HNC-CAD | Camfer Distance (median): 8.64 IoU: 65.3 |
| cad-reconstruction-on-fusion-360-gallery | HNC-CAD | Chamfer Distance (median): 36.8 IoU: 63.5 |