论文

MIRAGE-CAD:以施工为媒介的可执行 CAD 程序的多模式生成

MIRAGE-CAD: Construction-Mediated Multimodal Generation of Executable CAD Programs

模型推理推理策略与问题分解

摘要

从观察到的对象恢复可执行的参数化 CAD 程序从根本上来说是不明确的,因为相同的最终几何形状可能由不同的构造过程产生。我们通过四种类型的输入来研究这个问题:自然语言描述、渲染图像、点云和 STEP/B-Rep 几何。 MIRAGE-CAD 将每个输入映射到共享的施工表示,并通过显式的施工计划接口协调程序生成。生成的 Python CAD 代码由 OpenCASCADE 内核执行以构建实体并将其导出为 STEP。对于每种模态 2,500 个保留查询,系统在没有推理检索的情况下实现了 55.4-70.0% 的构建成功率和 52.3-66.2% 的 STEP 导出成功率。受控比较表明,强重建并不依赖于将构造表示表达为文本:直接以连续表示为条件的解码器也可以进行强重建,而曝光匹配的基于计划的解码器在每个部分的几何保真度中没有检测到材料损失。相反,显式计划提供了可读且可单独测量的中间表示,其与参考构造的一致性为下游执行成功提供了信息。最后,我们表明可执行有效性、几何保真度和参数响应性可能存在很大差异,因此应单独评估。