NURBGen: LLM駆動型NURBSモデリングによる高忠実度テキストからCADへの生成

要旨

自然言語から編集可能な3D CADモデルを生成する技術は依然として課題が多い。既存のテキスト-to-CADシステムはメッシュを生成するか、希少な設計履歴データに依存している。本論文では、非一様有理Bスプライン（NURBS）を用いてテキストから直接高精度な3D CADモデルを生成する初のフレームワークであるNURBGenを提案する。この実現のために、大規模言語モデル（LLM）をファインチューニングし、自由記述テキストをNURBS曲面パラメータ（制御点、ノットベクトル、次数、有理重み）を含むJSON表現に変換する。この表現はPythonを用いて直接BRep形式に変換可能である。さらに、トリム面や縮退領域をより頑健に扱いながらトークン複雑性を低減するため、未トリムNURBSと解析的プリミティブを組み合わせたハイブリッド表現を提案する。加えて、自動注釈パイプラインを用いて詳細なキャプションを付与した個別CADコンポーネントから構成されるABCデータセットの精選サブセットpartABCを導入する。NURBGenは多様なプロンプトにおいて優れた性能を示し、専門家評価により幾何学的忠実度と寸法精度において従来手法を凌駕することを確認した。コードとデータセットは公開予定である。

English

Generating editable 3D CAD models from natural language remains challenging, as existing text-to-CAD systems either produce meshes or rely on scarce design-history data. We present NURBGen, the first framework to generate high-fidelity 3D CAD models directly from text using Non-Uniform Rational B-Splines (NURBS). To achieve this, we fine-tune a large language model (LLM) to translate free-form texts into JSON representations containing NURBS surface parameters (i.e, control points, knot vectors, degrees, and rational weights) which can be directly converted into BRep format using Python. We further propose a hybrid representation that combines untrimmed NURBS with analytic primitives to handle trimmed surfaces and degenerate regions more robustly, while reducing token complexity. Additionally, we introduce partABC, a curated subset of the ABC dataset consisting of individual CAD components, annotated with detailed captions using an automated annotation pipeline. NURBGen demonstrates strong performance on diverse prompts, surpassing prior methods in geometric fidelity and dimensional accuracy, as confirmed by expert evaluations. Code and dataset will be released publicly.

NURBGen: LLM駆動型NURBSモデリングによる高忠実度テキストからCADへの生成

NURBGen: High-Fidelity Text-to-CAD Generation through LLM-Driven NURBS Modeling

要旨

Support