CAD-Recode: Reverse Engineering CAD Code from Point Clouds

要約

コンピュータ支援設計 (CAD) モデルは通常、パラメトリック スケッチを順番に描画し、CAD 操作を適用して 3D モデルを取得することによって構築されます。
3D CAD リバース エンジニアリングの問題は、点群などの 3D 表現からスケッチと CAD 操作シーケンスを再構築することで構成されます。
このペーパーでは、CAD シーケンス表現、ネットワーク設計、データセットの 3 つのレベルにわたる新しい貢献を通じて、この課題に取り組みます。
特に、CAD スケッチ押し出しシーケンスを Python コードとして表します。
提案されている CAD-Recode は、点群を Python コードに変換し、実行すると CAD モデルを再構築します。
事前トレーニングされた大規模言語モデル (LLM) を Python コードに公開できることを利用して、比較的小さな LLM を CAD-Recode のデコーダーとして利用し、それを軽量の点群プロジェクターと組み合わせます。
CAD-Recode は、100 万の多様な CAD シーケンスからなる提案された合成データセットのみでトレーニングされます。
CAD-Recode は、必要な入力ポイントを減らしながら、3 つのデータセットにわたって既存の方法よりも大幅に優れたパフォーマンスを発揮します。
特に、DeepCAD および Fusion360 データセットでの最先端の方法よりも 10 分の 1 低い平均面取り距離を達成します。
さらに、CAD Python コード出力が既製の LLM によって解釈可能であり、点群からの CAD 編集や CAD 固有の質問応答が可能になることを示します。

要約(オリジナル)

Computer-Aided Design (CAD) models are typically constructed by sequentially drawing parametric sketches and applying CAD operations to obtain a 3D model. The problem of 3D CAD reverse engineering consists of reconstructing the sketch and CAD operation sequences from 3D representations such as point clouds. In this paper, we address this challenge through novel contributions across three levels: CAD sequence representation, network design, and dataset. In particular, we represent CAD sketch-extrude sequences as Python code. The proposed CAD-Recode translates a point cloud into Python code that, when executed, reconstructs the CAD model. Taking advantage of the exposure of pre-trained Large Language Models (LLMs) to Python code, we leverage a relatively small LLM as a decoder for CAD-Recode and combine it with a lightweight point cloud projector. CAD-Recode is trained solely on a proposed synthetic dataset of one million diverse CAD sequences. CAD-Recode significantly outperforms existing methods across three datasets while requiring fewer input points. Notably, it achieves 10 times lower mean Chamfer distance than state-of-the-art methods on DeepCAD and Fusion360 datasets. Furthermore, we show that our CAD Python code output is interpretable by off-the-shelf LLMs, enabling CAD editing and CAD-specific question answering from point clouds.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google