Codage neuronal hiérarchique pour la génération de modèles CAD contrôlable

Ce document présente un nouveau modèle génératif pour le Dessin Assisté par Ordinateur (DAO) qui : 1) représente les concepts de conception de haut niveau d'un modèle DAO sous forme d'un arbre hiérarchique à trois niveaux de codes neuronaux, allant de l'agencement global des pièces jusqu'à la géométrie locale des courbes ; et 2) contrôle la génération ou l'achèvement des modèles DAO en spécifiant la conception cible à l'aide d'un arbre de codes. Plus précisément, une nouvelle variante d'un VAE vectoriel quantifié avec « connexion sautée masquée » extrait les variations de conception sous forme de livres de codes neuronaux à trois niveaux. Deux transformateurs autorégressifs en cascade apprennent à générer des arbres de codes à partir de modèles DAO incomplets, puis à achever ces modèles DAO conformément à la conception prévue. Des expériences approfondies démontrent une performance supérieure sur des tâches conventionnelles telles que la génération aléatoire tout en permettant de nouvelles capacités d'interaction sur des tâches de génération conditionnelle. Le code est disponible sur https://github.com/samxuxiang/hnc-cad.