HiFi-BRep: 高忠実度潜在表現によるロバストなB-Rep生成

要旨

境界表現（B-Rep）生成はコンピュータ支援設計における基本的なタスクであるが、高忠実度で構造的に有効なB-Repの直接合成は依然として大きな課題である。既存の深層生成手法には、二つの形態の脆弱性がある。すなわち、潜在空間におけるパディングノイズと特徴汚染に起因する表現の脆弱性と、非微分可能な有効性強制による逐次誤差伝播および訓練推論の不一致に起因する生成の脆弱性である。本稿では、これらの限界を相乗的な二つの貢献によって解決する新しいフレームワークHiFi-BRepを提案する。第一に、トポロジー認識エンコーダが、学習可能なクエリによるパディングの除去と、トポロジー誘導アテンションによる特徴汚染の防止を通じて、高忠実度の潜在表現を構築する。第二に、単一段デコーダが幾何学とトポロジーを並行して同時に予測し、コア多様体制約を微分可能な学習目的として埋め込む。この設計により、幾何学とトポロジーの相互ガイダンスを保証しつつ、カスケード誤差を回避する。広範な実験により、HiFi-BRepは構造的妥当性と幾何学的忠実度の両方において最先端手法を大幅に上回り、高品質なB-Rep合成のための堅牢な解決策を提供することを示す。コードとモデルは https://github.com/1nnoh/HiFi-BRep で公開されている。

English

Boundary representation (B-Rep) generation is a fundamental task in computer-aided design, yet the direct synthesis of high-fidelity and structurally valid B-Reps remains a major challenge. Existing deep generative methods suffer from two forms of brittleness: representation brittleness, caused by padding noise and feature contamination in the latent space, and generation brittleness, stemming from sequential error propagation and a train-inference mismatch due to non-differentiable validity enforcement. We propose HiFi-BRep, a novel framework that addresses these limitations through two synergistic contributions. First, a topology-aware encoder constructs a high-fidelity latent representation by eliminating padding via learnable queries and preventing feature contamination with topology-guided attention. Second, a single-stage decoder jointly predicts geometry and topology in parallel, embedding core manifold constraints as a differentiable learning objective. This design ensures mutual guidance between geometry and topology while avoiding cascaded errors. Extensive experiments show that HiFi-BRep significantly outperforms state-of-the-art methods in both structural validity and geometric fidelity, providing a robust solution for high-quality B-Rep synthesis. Code and models are publicly available at https://github.com/1nnoh/HiFi-BRep.