CAD-Tokenizer : Vers un prototypage de CAO basé sur le texte via une tokenisation spécifique à la modalité

CAD-Tokenizer: Towards Text-based CAD Prototyping via Modality-Specific Tokenization

September 25, 2025

papers.authors: Ruiyu Wang, Shizhao Sun, Weijian Ma, Jiang Bian

cs.AI

papers.abstract

La Conception Assistée par Ordinateur (CAO) est un élément fondamental du prototypage industriel, où les modèles sont définis non pas par des coordonnées brutes, mais par des séquences de construction telles que des esquisses et des extrusions. Cette structure séquentielle permet à la fois une initialisation efficace des prototypes et une modification ultérieure. Le prototypage CAO guidé par texte, qui unifie la génération Texte-vers-CAO et l'édition CAO, a le potentiel de rationaliser l'ensemble du pipeline de conception. Cependant, les travaux antérieurs n'ont pas exploré ce contexte, principalement parce que les tokenizers standard des grands modèles de langage (LLM) décomposent les séquences CAO en morceaux de mots en langage naturel, ne parvenant pas à capturer la sémantique CAO au niveau des primitives et empêchant les modules d'attention de modéliser la structure géométrique. Nous conjecturons qu'une stratégie de tokenisation multimodale, alignée sur la nature primitive et structurelle de la CAO, peut fournir des représentations plus efficaces. À cette fin, nous proposons CAD-Tokenizer, un cadre qui représente les données CAO avec des tokens spécifiques à la modalité en utilisant un VQ-VAE basé sur des séquences avec regroupement au niveau des primitives et décodage contraint. Cette conception produit des représentations compactes et conscientes des primitives qui s'alignent sur la nature structurelle de la CAO. Appliqué au prototypage CAO guidé par texte unifié, CAD-Tokenizer améliore significativement le suivi des instructions et la qualité de génération, obtenant de meilleures performances quantitatives et qualitatives par rapport aux LLM généralistes et aux modèles spécifiques à la tâche.

English

Computer-Aided Design (CAD) is a foundational component of industrial prototyping, where models are defined not by raw coordinates but by construction sequences such as sketches and extrusions. This sequential structure enables both efficient prototype initialization and subsequent editing. Text-guided CAD prototyping, which unifies Text-to-CAD generation and CAD editing, has the potential to streamline the entire design pipeline. However, prior work has not explored this setting, largely because standard large language model (LLM) tokenizers decompose CAD sequences into natural-language word pieces, failing to capture primitive-level CAD semantics and hindering attention modules from modeling geometric structure. We conjecture that a multimodal tokenization strategy, aligned with CAD's primitive and structural nature, can provide more effective representations. To this end, we propose CAD-Tokenizer, a framework that represents CAD data with modality-specific tokens using a sequence-based VQ-VAE with primitive-level pooling and constrained decoding. This design produces compact, primitive-aware representations that align with CAD's structural nature. Applied to unified text-guided CAD prototyping, CAD-Tokenizer significantly improves instruction following and generation quality, achieving better quantitative and qualitative performance over both general-purpose LLMs and task-specific baselines.