Drawing2CAD: 벡터 드로잉에서 CAD 생성을 위한 시퀀스-투-시퀀스 학습

초록

컴퓨터 지원 설계(CAD) 생성 모델링은 산업 응용 분야에서 상당한 혁신을 주도하고 있습니다. 최근 연구들은 점군(point cloud), 메쉬(mesh), 텍스트 설명 등 다양한 입력으로부터 솔리드 모델을 생성하는 데 있어 놀라운 진전을 보여주었습니다. 그러나 이러한 방법들은 전통적인 산업 워크플로우와 근본적으로 차이가 있습니다. 전통적인 워크플로우는 2D 엔지니어링 도면으로부터 시작됩니다. 이러한 2D 벡터 도면으로부터 파라메트릭 CAD 모델을 자동으로 생성하는 것은 엔지니어링 설계에서 중요한 단계임에도 불구하고 아직 충분히 탐구되지 않았습니다. 이 격차를 해결하기 위해, 우리의 핵심 통찰은 CAD 생성을 시퀀스-투-시퀀스 학습 문제로 재구성하는 것입니다. 여기서 벡터 도면 기본 요소(primitive)가 파라메트릭 CAD 연산의 생성을 직접적으로 정보 제공하며, 변환 과정 전반에 걸쳐 기하학적 정밀도와 설계 의도를 보존합니다. 우리는 Drawing2CAD라는 프레임워크를 제안하며, 이는 세 가지 주요 기술 구성 요소를 포함합니다: 정확한 기하학적 정보를 보존하는 네트워크 친화적인 벡터 기본 요소 표현, 명령 유형과 파라미터 생성을 분리하면서 정확한 대응을 유지하는 듀얼 디코더 트랜스포머 아키텍처, 그리고 CAD 파라미터의 내재적 유연성을 수용하는 소프트 타겟 분포 손실 함수입니다. Drawing2CAD를 훈련하고 평가하기 위해, 우리는 CAD-VGDrawing라는 엔지니어링 도면과 파라메트릭 CAD 모델의 짝을 이루는 데이터셋을 생성하고, 우리 방법의 효과를 입증하기 위해 철저한 실험을 수행합니다. 코드와 데이터셋은 https://github.com/lllssc/Drawing2CAD에서 확인할 수 있습니다.

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.

Drawing2CAD: 벡터 드로잉에서 CAD 생성을 위한 시퀀스-투-시퀀스 학습

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

초록

Support