CAD-SIGNet: 基于逐层草图实例引导注意力的点云CAD语言推断
TLDR
端到端自回归模型利用草图实例引导注意力从点云恢复CAD设计历史（草图与拉伸）
评分理由
The paper introduces a novel attention module for fine-grained sketch reconstruction and supports multiple plausible design histories, which are strengths. However, it is limited to sketch-and-extrusion operations and does not address other CAD primitives or real-world scan noise, and the evaluation is only on public datasets.
Read-first 评分解释
综合优先阅读分 56.2，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 88。
研究版图角色
方法锚点
排序敏感性
稳定性：volatile；排名波动范围：35。
关键词评分
深度分析
创新点
- 用于从点云恢复CAD设计历史的端到端可训练自回归架构
- 点云与CAD语言嵌入之间的逐层交叉注意力
- 用于细粒度草图细节重建的草图实例引导注意力（SGA）模块
- 生成多种合理设计选择，实现交互式逆向工程
方法
CAD-SIGNet是一种自回归模型，从输入点云中恢复草图与拉伸操作序列。它采用点云特征与CAD语言嵌入之间的逐层交叉注意力，并利用草图实例引导注意力模块重建精细草图细节。该模型在公开CAD数据集上进行端到端训练，并在完整设计历史恢复和条件自动补全任务上进行评估。
关键结果
CAD-SIGNet在完整设计历史恢复和从点云的条件自动补全任务上优于现有基线模型，如在公开CAD数据集上的大量实验所示。