arXiv cs.AI· Xi Cheng, Chenxi Zhai, Hang Cheng, Mingyu Fan, Pingfa Feng, Long Zeng·· 14 小时前AI 评分31
DIP-CAD：面向参数化 CAD 建模的设计意图保留智能体框架
DIP-CAD: A Design-Intent-Preserving Agent Harness for Parametric CAD Modeling
AI 导读
DIP-CAD 是一个从图像生成参数化 CAD 模型、并在参数编辑后保留设计意图的智能体框架，通过 ID 显式几何引用与局部坐标桥建立建模命令和草图约束间的依赖关系。
正文 · AI 翻译
摘要：参数化 CAD 建模不仅需要匹配目标形状，还需要在参数编辑后保留设计意图。然而，大多数现有方法侧重于提高静态形状生成的准确性，而支配后续编辑的依赖关系往往被忽视。为解决这一问题，我们提出了 DIP-CAD，一种用于从图像生成参数化 CAD 模型的设计意图保留智能体框架。DIP-CAD 将视觉语言模型推理与 CAD 内核操作相结合，以构建编码设计意图的依赖关系。在参数化 CAD 中，这些依赖关系主要通过建模命令中的几何引用和参数化草图中的约束来建立。在命令层面，基于 ID 的显式几何引用将建模命令绑定到所选的面、边或顶点。在草图层面，局部坐标桥接确保草图放置准确，为正确建立草图约束提供基础。草图图元之间的约束以及对外部投影几何的约束进一步保留了草图内部关系和与现有几何的依赖关系。为给参数化 CAD 建模任务提供更全面的数据基础，我们引入了几何显式引用数据集（GERD），其结构化数据格式通过显式几何引用将逐步建模命令与中间 CAD 模型关联起来。在 GERD-EVL 和 DeepCAD 测试子集上，DIP-CAD 将静态模型生成的 mIoU 分别提高了 11.1% 和 5.6%。在参数编辑评估中，相应的 mIoU 提升分别为 7.0% 和 4.2%。案例研究进一步展示了参数编辑如何在保留设计意图的同时驱动形状更新。
| 学科： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2609.22688 [cs.CV] |
| （或 arXiv:2609.22688v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.22688 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Xi Cheng [查看邮箱]
[v1]
2026年9月19日星期六 01:45:11 UTC（1,788 KB）
[v2]
2026年10月24日星期六 06:06:52 UTC（3,061 KB）
来源：arXiv cs.AI · arxiv.org