SolidGen An Autoregressive Model for Direct B-rep Synthesis

SolidGen: An Autoregressive Model for Direct B-rep Synthesis

SolidGen: An Autoregressive Model for Direct B-rep Synthesis(SolidGen:直接B-rep合成的自回归模型)

摘要

边界表示(B-rep)格式是计算机辅助设计(CAD)中实体和薄片对象建模的实际形状表示。最近生成CAD模型的方法集中在学习草图和挤压建模序列上，这些序列由后处理中的实体建模内核执行，以恢复B-rep。在本文中，我们提出了一种新的方法，可以在不需要监督的情况下通过CAD建模序列数据来学习和合成b -代表。我们的方法SolidGen是一个自回归神经网络，通过使用基于变压器和指针的神经网络预测顶点、边缘和面，直接对B-rep进行建模。实现这一目标的关键是我们的索引边界表示，它在一个定义良好的层次结构中引用B-rep顶点、边和面，以捕获适合机器学习使用的几何和拓扑关系。由于其B-rep分布的概率建模，SolidGen可以很容易地根据上下文进行调节，例如类标签、图像和体素。我们定性，定量地证明，并通过人类受试者的感知评估，SolidGen可以产生高质量，逼真的CAD模型。

贡献：

• 我们提出了SolidGen，这是一种基于transformer和两级指针网络的新型生成模型，用于直接合成b -rep(图1)，而无需来自CAD建模操作序列的监督。
• 据我们所知，SolidGen是第一个可以直接合成b -rep的生成模型。
• 我们提出了一种新的表示法，即索引边界表示法，它可以将B-reps表示为适合机器学习使用的数字数组，同时仍然允许B-reps的几何和拓扑完全恢复。
• 我们展示了无条件生成的SolidGen的定量和定性性能，并进行了一项感知研究，显示SolidGen比最先进的技术产生更现实的结果。
• 我们演示了如何通过使用类标签、图像和体素来实现b -代表的可控生成。

结论

局限性和未来的工作。我们目前的方法有一些局限性，可以在未来的工作中加以解决。具有长序列长度的极其复杂的CAD模型增加了训练时间和测试时复合错误的机会，这可能归因于教师的强迫。缩放我们的模型并在更大的CAD数据集上进行训练可能会缓解这个问题。我们的索引B-rep格式支持机械CAD模型中最常见的曲线和曲面类型，但不支持自由曲面建模中常见的圆锥截面和样条。通过考虑组>=(度+ 1)顶点(样条的控制点)的边来支持固定度的均匀b样条曲线。然而，与棱柱形曲面不同，b样条曲面不能完全由边界曲线确定，并且需要额外的插值网格或控制点的预测。像以前的生成神经网络一样(Willis等，2021b;Nash et al, 2020;Wu等，2021;Xu et al .， 2022)我们的方法是使用分类损失进行训练的。几个重要的CAD应用，例如，逆向工程，需要包含B-rep几何的重建损失，直到后处理才可用。最后，对条件反射方案的研究有助于在生成过程中更好地引导用户，潜在表征有助于更好地泛化。

总结。我们提出了一个生成模型SolidGen，它可以直接学习和合成边界表示(B-rep) CAD模型，而不需要从一系列CAD建模操作中进行监督。我们通过推导索引B-rep格式来实现这一目标，该格式以一种新的机器学习友好表示方式捕获B-rep顶点、边和面的层次性质。正如我们与先前工作的比较所证明的那样，SolidGen生成高度连贯但多样化的b -rep。我们的方法有可能集成到CAD软件工作流程中，因为所有CAD软件都允许在没有建模历史的情况下导入实体。由于我们的方法可以生成B-rep拓扑的局部区域，除了整个实体，这使得基于学习的技术可以在许多其他工作流程中发挥作用，例如实体模型喷漆和分型表面创建。条件生成可以帮助基于草图的建模工作流，并将点云、网格或其他文件格式转换为b -rep以供进一步编辑。