Drawing2CAD: ベクトル図面からのCAD生成のためのシーケンス・ツー・シーケンス学習

Drawing2CAD: Sequence-to-Sequence Learning for CAD Generation from Vector Drawings

August 26, 2025

著者: Feiwei Qin, Shichao Lu, Junhao Hou, Changmiao Wang, Meie Fang, Ligang Liu

cs.AI

要旨

コンピュータ支援設計（CAD）の生成モデリングは、産業応用において重要な革新を推進しています。最近の研究では、点群、メッシュ、テキスト記述など様々な入力からソリッドモデルを作成する際に顕著な進展が見られています。しかし、これらの手法は、2Dのエンジニアリング図面から始まる従来の産業ワークフローとは根本的に異なっています。これらの2Dベクトル図面からパラメトリックCADモデルを自動生成することは、エンジニアリング設計において重要なステップであるにもかかわらず、まだ十分に検討されていません。このギャップを埋めるために、私たちの重要な洞察は、CAD生成をシーケンス・ツー・シーケンス学習問題として再定義し、ベクトル図面のプリミティブがパラメトリックCAD操作の生成に直接情報を提供し、変換プロセス全体を通じて幾何学的精度と設計意図を保持するというものです。私たちは、Drawing2CADというフレームワークを提案します。このフレームワークには、正確な幾何学情報を保持するネットワークフレンドリーなベクトルプリミティブ表現、コマンドタイプとパラメータ生成を分離しながら正確な対応関係を維持するデュアルデコーダトランスフォーマーアーキテクチャ、CADパラメータに内在する柔軟性に対応するソフトターゲット分布損失関数という3つの主要な技術的コンポーネントが含まれています。Drawing2CADを訓練および評価するために、私たちはCAD-VGDrawingというエンジニアリング図面とパラメトリックCADモデルのペアデータセットを作成し、私たちの手法の有効性を実証するための徹底的な実験を行いました。コードとデータセットはhttps://github.com/lllssc/Drawing2CADで公開されています。

English

Computer-Aided Design (CAD) generative modeling is driving significant innovations across industrial applications. Recent works have shown remarkable progress in creating solid models from various inputs such as point clouds, meshes, and text descriptions. However, these methods fundamentally diverge from traditional industrial workflows that begin with 2D engineering drawings. The automatic generation of parametric CAD models from these 2D vector drawings remains underexplored despite being a critical step in engineering design. To address this gap, our key insight is to reframe CAD generation as a sequence-to-sequence learning problem where vector drawing primitives directly inform the generation of parametric CAD operations, preserving geometric precision and design intent throughout the transformation process. We propose Drawing2CAD, a framework with three key technical components: a network-friendly vector primitive representation that preserves precise geometric information, a dual-decoder transformer architecture that decouples command type and parameter generation while maintaining precise correspondence, and a soft target distribution loss function accommodating inherent flexibility in CAD parameters. To train and evaluate Drawing2CAD, we create CAD-VGDrawing, a dataset of paired engineering drawings and parametric CAD models, and conduct thorough experiments to demonstrate the effectiveness of our method. Code and dataset are available at https://github.com/lllssc/Drawing2CAD.