UniBRep：联合几何与拓扑学习生成图像条件 B-Rep

生成以单个图像为条件的边界表示 (B-rep) 需要忠实地重建几何结构、有效的拓扑以及对复杂形状的支持。我们提出了 UniBRep，一个几何优先的框架，它采用预训练的图像到 3D 模型来生成特征网格作为统一的中间表示。它的表面提供了几何 脚手架，而空间对齐的学习特征编码用于拓扑恢复的面部分离线索。双解码器分支生成几何和面部分离特征；然后，几何和特征引导的构造管道拟合参数化曲面，恢复边界曲线和连接性，并使用 CAD 内核组装显式 B-rep。从网格区域恢复拓扑避免了预定义的架构面数限制，允许面数随着形状复杂性而扩展。在标准 DeepCAD 基准上，UniBRep 为 80.49% 的输入生成有效的 B 代表，并将面倒角距离相对于 CADDreamer 从 0.1096 减少到 0.0345。在匹配的比较中，UniBRep 在所有报告的指标上也优于 HoLa 公共演示。进一步的评估证明了对超出标准 30 面范围的高复杂形状的可扩展性、对 CAD 训练分布之外的对象的泛化以及对真实照片的定性转移。