他の表現からCAD形状を逆解析することは、多くの下流アプリケーションにとって重要な幾何学処理ステップです。本研究では、この困難な課題を解決し、編集可能で制約付きの直方体CADモデルを使用して滑らかな符号付き距離関数を近似する新しいニューラルネットワークアーキテクチャを提案します。訓練中、当手法は形状を一連の2次元プロファイル画像と1次元エンベロープ関数に分解することで、ボクセル空間において入力幾何学形状を再構築します。これらの要素は微分可能な方法で再結合され、幾何学的な損失関数が定義できます。推論時には、まず2次元制約スケッチのデータベースを検索し、プロファイル画像に近似する曲線を見つけることから始めます。その後、それらを押出し（エクストルード）、ブーリアン演算を使用して最終的なCADモデルを作成します。当手法は他の方法よりも目標形状に近接し、既存のCADソフトウェアと互換性のある高編集性の制約付きパラメトリックスケッチを出力します。