CAD-Recode: 포인트 클라우드에서 역공학으로 CAD 코드 재생성

컴퓨터 보조 설계(CAD) 모델은 일반적으로 매개변수 스케치를 순차적으로 그린 후 CAD 연산을 적용하여 3D 모델을 얻는 방식으로 구성됩니다. 3D CAD 역공학 문제는 점군 등의 3D 표현에서 스케치와 CAD 연산 시퀀스를 재구성하는 것을 포함합니다. 본 논문에서는 이 도전 과제를 세 가지 수준에서 새로운 기여를 통해 해결하고자 합니다: CAD 시퀀스 표현, 네트워크 설계, 그리고 데이터셋입니다. 특히, 우리는 CAD 스케치-압출 시퀀스를 Python 코드로 표현합니다. 제안된 CAD-Recode는 점군을 Python 코드로 변환하며, 이 코드가 실행되면 CAD 모델이 재구성됩니다.事前訓練된 대형 언어 모델(LLMs)이 Python 코드에 노출되어 있다는 점을 활용하여, 상대적으로 작은 LLM을 CAD-Recode의 디코더로 사용하고 이를 경량화된 점군 프로젝터와 결합합니다. CAD-Recode는 오직 제안된 100만 개의 다양한 CAD 시퀀스로 구성된 합성 데이터셋에서만 훈련되었습니다. 이 방법은 세 개의 데이터셋에서 기존 방법보다 크게 우수한 성능을 보이며, 더 적은 입력 점 수를 요구합니다. 특히, DeepCAD 및 Fusion360 데이터셋에서 최신 방법보다 평균 Chamfer 거리가 10배 낮습니다. 또한, 우리의 CAD Python 코드 출력이 사전에 제공된 LLMs에 의해 해석될 수 있음을 보여주며, 이는 점군으로부터의 CAD 편집과 CAD 특화 질문 응답을 가능하게 합니다.注：在最后一段中，“事前訓練された”是日语词汇，正确的韩语翻译应该是“사전 훈련된”。以下是修正后的版本：컴퓨터 보조 설계(CAD) 모델은 일반적으로 매개변수 스케치를 순차적으로 그린 후 CAD 연산을 적용하여 3D 모델을 얻는 방식으로 구성됩니다. 3D CAD 역공학 문제는 점군 등의 3D 표현에서 스케치와 CAD 연산 시퀀스를 재구성하는 것을 포함합니다. 본 논문에서는 이 도전 과제를 세 가지 수준에서 새로운 기여를 통해 해결하고자 합니다: CAD 시퀀스 표현, 네트워크 설계, 그리고 데이터셋입니다. 특히, 우리는 CAD 스케치-압출 시퀀스를 Python 코드로 표현합니다. 제안된 CAD-Recode는 점군을 Python 코드로 변환하며, 이 코드가 실행되면 CAD 모델이 재구성됩니다. 사전 훈련된 대형 언어 모델(LLMs)이 Python 코드에 노출되어 있다는 점을 활용하여, 상대적으로 작은 LLM을 CAD-Recode의 디코더로 사용하고 이를 경량화된 점군 프로젝터와 결합합니다. CAD-Recode는 오직 제안된 100만 개의 다양한 CAD 시퀀스로 구성된 합성 데이터셋에서만 훈련되었습니다. 이 방법은 세 개의 데이터셋에서 기존 방법보다 크게 우수한 성능을 보이며, 더 적은 입력 점 수를 요구합니다. 특히, DeepCAD 및 Fusion360 데이터셋에서 최신 방법보다 평균 Chamfer 거리가 10배 낮습니다. 또한, 우리의 CAD Python 코드 출력이 사전에 제공된 LLMs에 의해 해석될 수 있음을 보여주며, 이는 점군으로부터의 CAD 편집과 CAD 특화 질문 응답을 가능하게 합니다.