⌁ Awesome AI4CAD Hub 论文 · 数据集 · 项目
English GitHub
← 返回论文列表

Pointer-CAD：通过基于指针的边和面选择统一B-Rep与命令序列

arXiv 2026 64.1 method

TLDR

Pointer-CAD通过基于指针的命令序列统一B-Rep与实体选择，减少误差。

评分理由

The paper introduces a novel pointer mechanism to handle entity selection in CAD command sequences, addressing key limitations of prior LLM-based methods. However, the abstract is cut off and lacks explicit evaluation results or real-world benchmarks, making it hard to assess practical impact.

Read-first 评分解释

综合优先阅读分 64.1，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 101。

近期性 8%
100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。 年份：2026

方法质量 25%
80

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。 命中信号：数据集、实验、指标、结果

主题相关性 42%
63.1

使用现有 LLM 关键词相关性评分，并归一化到 0-100。 关键词：AI for CAD、computer-aided design、neural CAD、generative CAD、parametric CAD、B-Rep、boundary representation、constructive solid geometry、CSG、sketch extrusion、CAD generation、CAD reconstruction、text-to-CAD、image-to-CAD、point cloud to CAD、CAD program

可复现性 25%
38

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。 论文：有；代码：无；数据：无；命中信号：数据集

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：18。

关键词评分

AI for CAD
10
computer-aided design
10
generative CAD
10
B-Rep
10
boundary representation
10
CAD generation
10
text-to-CAD
10
neural CAD
9
sketch extrusion
8
CAD program
7
parametric CAD
6
CAD reconstruction
1
constructive solid geometry
0
CSG
0
image-to-CAD
0
point cloud to CAD
0

深度分析

创新点

  • 基于指针的命令序列表示，融入B-Rep几何信息，支持复杂编辑操作的实体选择。
  • 逐步生成条件依赖于文本描述和之前步骤的B-Rep。
  • 指针机制从可用几何实体中选择最具有特征一致性的候选，减少量化误差。
  • 数据标注流水线为约57.5万个CAD模型生成专家级自然语言描述。

方法

Pointer-CAD是一个基于LLM的框架，将CAD生成分解为多个步骤，每个步骤的条件依赖于文本和之前步骤的B-Rep。它使用基于指针的命令序列，LLM预测指针来选择几何实体，从而减少量化误差。开发了一个数据标注流水线，创建了包含57.5万个CAD模型及其自然语言描述的数据集。

关键结果

Pointer-CAD有效生成复杂几何结构，将分割误差降至极低水平，显著优于先前的命令序列方法，缓解了量化误差导致的拓扑不准确性。

技术栈

LLMB-RepPointer-based selectionCommand sequence representationData annotation pipeline

资源

论文

标签

CVCL