NURBGen: LLM 기반 NURBS 모델링을 통한 고품질 텍스트-to-CAD 생성

초록

자연어로부터 편집 가능한 3D CAD 모델을 생성하는 것은 기존 텍스트-to-CAD 시스템이 메시를 생성하거나 부족한 설계 이력 데이터에 의존하기 때문에 여전히 어려운 과제입니다. 본 논문에서는 비균일 유리 B-스플라인(NURBS)을 이용하여 텍스트로부터 직접 고품질 3D CAD 모델을 생성하는 최초의 프레임워크인 NURBGen을 제안합니다. 이를 위해 대규모 언어 모델(LLM)을 미세 조정하여 자유 형식 텍스트를 NURBS 표면 매개변수(제어점, 노트 벡터, 차수, 유리 가중치)를 포함하는 JSON 표현으로 변환하며, 이는 Python을 사용하여 BRep 형식으로 직접 변환될 수 있습니다. 또한, 트리밍된 표면과 퇴화 영역을 더 강력하게 처리하면서 토큰 복잡성을 줄이기 위해 트리밍되지 않은 NURBS와 해석적 기본 요소를 결합한 하이브리드 표현을 추가로 제안합니다. 더불어 자동화된 주석 생성 파이프라인을 통해 상세한 캡션으로 주석 처리된 개별 CAD 컴포넌트로 구성된 ABC 데이터셋의 정제된 하위 집합인 partABC를 소개합니다. NURBGen은 다양한 프롬프트에서 강력한 성능을 보여주며, 전문가 평가를 통해 확인된 바와 같이 기하학적 정확도와 치수 정밀도에서 기존 방법들을 능가합니다. 코드와 데이터셋은 공개될 예정입니다.

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 기반 NURBS 모델링을 통한 고품질 텍스트-to-CAD 생성

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

초록

Support