CAD-SIGNet：基于逐层草图实例引导注意力的点云CAD语言推理

在计算机辅助设计（CAD）领域，逆向工程一直是一个长期追求的目标，尽管尚未完全实现。其主要目标是通过给定物理对象的3D扫描来揭示其背后的CAD过程。我们提出了一种端到端可训练且自回归的架构——CAD-SIGNet，用于从输入点云中恢复由一系列草图和拉伸操作组成的CAD模型的设计历史。我们的模型通过点云和CAD语言嵌入之间的逐层交叉注意力学习视觉-语言表示。特别是，为了重建草图的细粒度细节，我们提出了一种新的草图实例引导注意力（Sketch instance Guided Attention, SGA）模块。由于其自回归特性，CAD-SIGNet不仅能够根据输入点云重建对应的CAD模型的独特完整设计历史，还能提供多种合理的设计选择。这使得设计师在设计过程中可以有多个下一步选择，从而实现交互式的逆向工程场景。我们在公开可用的CAD数据集上进行了广泛的实验，结果表明我们的方法在这两种设置下均优于现有的基线模型：即完整设计历史恢复和基于点云的条件自动完成。