BRepCLIP：针对 BRep 基元进行对比多模态预训练以实现 CAD 理解

学习 CAD 模型的表示在很大程度上是一个悬而未决的问题。虽然 3D 表示学习围绕点云和网格蓬勃发展，但 CAD 的原生格式 - 边界表示 BReps（对精确的参数化曲面、曲线及其拓扑进行编码）作为表示学习基础却很少受到关注。我们引入了 BRepCLIP，这是第一个通过对比预训练将 BRep 几何与语言和图像嵌入对齐的框架。我们将每个 CAD 对象建模为一系列面和边标记，具有用于表面和曲线几何的单独离散词汇，并通过捕获表面类型（例如，圆柱、环面、NURBS）和曲线基元（例如，直线、圆​​弧、B 样条）的空间和语义描述符进行增强。 Transformer 编码器将这些标记聚合到全局 BRep 嵌入中，通过联合对比目标与 CLIP 的文本和图像编码器对齐。与现有的基于点的替代方案相比，BRepCLIP 生成更具区分性和语义基础的嵌入，在 ABC、CADParser 和 Automate 上相对于 OpenShape 的 Top-1 检索分别提高了 40.4%、22.0% 和 23.9%，并将 FabWave 上的零样本分类在 Top-1 得分中提高了 15%。我们进一步证明了它作为 CAD 感知相似性度量的实用性，用于评估文本和图像条件 CAD 生成，确立了结构感知预训练对于多模式 CAD 理解的重要性。项目页面位于 https://muhammadusama100.github.io/BrepClip2026/