CADENA: 단계적 CAD 역공학

초록

컴퓨터 이용 설계(CAD)는 현대 공학의 기반이 되지만, 기존 형상을 편집 가능한 모델로 변환하는 작업은 여전히 상당한 전문가의 노력을 요구합니다. 대부분의 AI 시스템은 전체 CAD 프로그램을 한 번에 생성하며, 중간 지오메트리를 검사하지 않습니다. 반면에 인간 엔지니어는 부품을 피처 단위로 하나씩 구축하고, 각 작업 후에 무엇을 더 모델링해야 하는지 확인합니다. 우리는 "사슬"을 뜻하는 스페인어 이름인 CADENA를 소개합니다. 이 모델은 3D 메시를 매개변수 기반 CAD 프로그램으로 재구성하며, 작업 순서를 한 번에 하나씩 늘려가면서 각 단계에서 대상과 현재 예측된 지오메트리를 비교합니다. 또한 기계 부품에 대한 역설계 방법을 평가하는 벤치마크의 부재를 해결하기 위해, 기계 부품 범주에 걸쳐 성능을 측정하는 벤치마크인 CADENA-Bench를 제시합니다. CADENA는 CADENA-Bench와 DeepCAD, Fusion 360, MCB 데이터셋에서 기존 방법들보다 우수한 성능을 보입니다. 코드는 https://github.com/zhemdi/cadena, 모델 가중치는 https://huggingface.co/kulibinai/cadena, CADENA-Bench는 https://huggingface.co/datasets/kulibinai/cadena-bench에서 확인할 수 있습니다.

English

Computer-Aided Design (CAD) underpins modern engineering, yet converting existing shapes into editable models still demands substantial expert effort. Most AI systems emit the entire CAD program in a single pass, never inspecting the intermediate geometry. In contrast, human engineers build a part feature by feature, checking after each operation what remains to be modeled. We introduce CADENA (Spanish for "chain"), a model that reconstructs a 3D mesh as a parametric CAD program, growing its sequence of operations one at a time and comparing the target with the currently predicted geometry at every step. We also address the lack of benchmarks for evaluating reverse-engineering methods on mechanical parts, introducing CADENA-Bench, a benchmark that measures performance across categories of mechanical parts. CADENA outperforms prior methods on CADENA-Bench and on the DeepCAD, Fusion 360, and MCB datasets. Code is available at https://github.com/zhemdi/cadena, model weights at https://huggingface.co/kulibinai/cadena, and CADENA-Bench at https://huggingface.co/datasets/kulibinai/cadena-bench.