新框架让参数化CAD生成在参数编辑后仍保留设计意图。
资讯摘要
论文提出 DIP-CAD，一个从图像生成参数化 CAD 模型、并保留设计意图的智能体框架，结合视觉语言模型推理与 CAD 内核操作，通过命令级 ID 几何引用和草图级局部坐标桥建立依赖关系。作者还构建了 Geometry Explicit Reference Dataset（GERD）。作者报告在 GERD-EVL 与 DeepCAD 测试子集上，静态生成 mIoU 分别提升 11.1% 和 5.6%，参数编辑场景分别提升 7.0% 和 4.2%。
要点速读
- DIP-CAD 结合视觉语言模型推理与 CAD 内核操作，在建模命令中通过 ID 显式引用面、边、顶点，在草图中用局部坐标桥保证约束正确建立。
- 作者发布 GERD 数据集，以结构化格式将逐步建模命令与中间 CAD 模型通过显式几何引用关联。
- 作者报告在 GERD-EVL 和 DeepCAD 测试子集上，静态生成 mIoU 提升 11.1% 与 5.6%，参数编辑评估提升 7.0% 与 4.2%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。