CADBench：面向AI辅助CAD程序生成的多模态基准
TLDR
CADBench是统一多模态基准，评估从图像和3D数据生成CAD程序，含1.8万样本、5种模态、6项指标。
评分理由
The paper's strength lies in providing a comprehensive, standardized benchmark that addresses fragmentation in existing evaluations, with diverse modalities and metrics. Weaknesses include reliance on existing models and no novel method; the abstract does not discuss limitations like potential dataset biases or computational costs.
Read-first 评分解释
综合优先阅读分 81.9，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 105。
研究版图角色
前沿论文方法锚点复现锚点
排序敏感性
稳定性：stable；排名波动范围：0。
关键词评分
深度分析
创新点
- 统一多模态基准CADBench，包含来自六个数据集家族的18,000个样本、五种输入模态和六项指标，用于CAD程序生成。
- 通过B-rep面数分层和多样性采样，实现对几何复杂度和物体变化的受控分析。
- 大规模评估11个CAD专用和通用视觉语言模型，生成140万CAD程序，并识别出三种重复出现的失败模式。
方法
CADBench汇集了来自六个基准家族（DeepCAD、Fusion 360、ABC、MCB、Objaverse）的18,000个评估样本，涵盖五种输入模态（干净/噪声网格、单视图、逼真渲染、多视图渲染）和六项指标（几何保真度、可执行性、程序紧凑性）。基于STEP的家族按B-rep面数分层，所有家族均进行多样性采样。通过生成超过140万个CAD程序对11个模型进行基准测试。
关键结果
在理想化输入下，专用网格到CAD模型显著优于代码生成VLM；出现三种失败模式：重建质量随几何复杂度下降，CAD专用模型在模态转换下脆弱，模型排名随指标变化。