CADCrafter: фреймворк для генерации параметрических CAD-моделей по одному изображению 137

小编 ·

CADCrafter: фреймворк для генерации параметрических CAD-моделей по одному изображению

CADCrafter — это фреймворк генерации параметрических CAD-моделей по изображению, предложенный исследователями из Mochix Technology, Наньянского технологического университета и других учреждений. Он позволяет напрямую создавать высококачественные редактируемые CAD-модели из одного изображения, которые затем компилируются в готовые к производству 3D-файлы, решая задачу преобразования изображений в редактируемые CAD-модели.

CADCrafter: фреймворк для генерации параметрических CAD-моделей по одному изображению

Что такое CADCrafter?

CADCrafter — это фреймворк для генерации параметрических CAD-моделей из изображений, предложенный исследователями из компании Мососян (Moxin Technology), Наньянского технологического университета (Сингапур) и других организаций. Он способен напрямую генерировать высококачественные, редактируемые CAD-модели из одного изображения, которые можно скомпилировать с помощью CAD-компилятора в 3D-файлы, пригодные для производства, решая задачу преобразования изображений в редактируемые CAD-модели.

Ключевые особенности CADCrafter

  • Генерация на основе геометрических признаков: CADCrafter использует геометрический кодировщик для точного захвата геометрических признаков изображения, таких как карты глубины и нормалей. Эти признаки не только усиливают возможности геометрического представления модели, но и позволяют модели лучше обобщать данные с синтетических на реальные изображения.

  • Прямая оптимизация предпочтений (DPO): Поскольку процесс компиляции последовательности параметров CAD в явную CAD-модель является недифференцируемым, CADCrafter использует метод DPO, задействующий обратную связь от CAD-компилятора для оптимизации модели, обеспечивая более высокую компилируемость и геометрическую точность генерируемых CAD-инструкций.

  • Дистилляция знаний из многоракурсного в одноракурсное представление: CADCrafter повышает точность и устойчивость при одноракурсном вводе за счёт переноса знаний из многоракурсного геометрического кодировщика в одноракурсный.

  • Вклад в наборы данных: Исследовательская группа также собрала реальный набор данных под названием RealCAD, содержащий многоракурсные изображения и соответствующие последовательности CAD-инструкций, для проверки производительности модели.

Метод исследования CADCrafter

CADCrafter реализует преобразование изображения в CAD-модель с помощью следующих шагов:

  • Кодирование последовательности команд CAD: последовательность команд CAD кодируется в дискретные и непрерывные последовательности параметров и обрабатывается через пространство эмбеддингов.

  • Геометрический условный кодировщик: извлекает карты глубины и нормалей входного изображения, используя эти геометрические признаки для улучшения понимания моделью геометрической структуры и уменьшения разрыва между синтетическими данными и реальными изображениями.

  • Удаление шума из латентных CAD-векторов: используется архитектура на основе диффузионной модели для удаления шума из латентного CAD-кода, при которой исходный латентный вектор восстанавливается путём итеративного обучения.

  • Дистилляция знаний из многоракурсного в одноракурсное представление: повышение точности и устойчивости при одноракурсном вводе за счёт переноса знаний из многоракурсного геометрического кодировщика в одноракурсный.

  • Прямая оптимизация предпочтений (DPO): оптимизация модели на основе обратной связи от CAD-компилятора, обеспечивающая более высокую компилируемость и геометрическую точность генерируемых CAD-инструкций.

CADCrafter:单张图片到参数化CAD模型生成框架.webp

Эксперименты

  • Наборы данных: для обучения использовался набор данных DeepCAD, а также был собран реальный набор данных под названием RealCAD для тестирования.

  • Метрики оценки: для оценки производительности модели применялись точность команд (Acccmd), точность параметров (Accpara), медианное расстояние Шамфера (Med CD) и доля неудач (IR).

  • Результаты:

  • На наборе данных DeepCAD CADCrafter показал отличные результаты как в многоракурсных, так и в одноракурсных задачах, значительно снизив долю неудач.

  • На наборе данных RealCAD, несмотря на то что модель обучалась только на синтетических данных, она продемонстрировала хорошую способность к обобщению на реальные данные, сохраняя высокую точность и низкую долю неудач.

  • По сравнению с существующими методами генерации 3D-моделей из изображений (такими как One-2-3-45, Wonder3D и TripoSR), CADCrafter показывает лучшие результаты по геометрической точности.

Сценарии применения CADCrafter

  • Промышленный дизайн: быстрая генерация редактируемых CAD-моделей, ускоряющая создание прототипов и восстановление деталей.

  • Моделирование бытовых объектов: путём фотографирования объектов повседневной жизни можно напрямую генерировать инженерные файлы, пригодные для проектирования и производства.

Статья о CADCrafter:https://arxiv.org/pdf/2504.04753