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

SketchDNN：面向CAD草图生成的联合连续-离散扩散模型

arXiv 2025 44.5 method

TLDR

SketchDNN使用联合连续-离散扩散模型生成CAD草图，在SketchGraphs上实现了最先进的FID和NLL。

评分理由

The paper introduces a novel Gaussian-Softmax diffusion that handles heterogeneous primitive parameters and permutation invariance, with strong quantitative results. However, it focuses solely on sketch generation without addressing full CAD models or real-world applications beyond the dataset.

Read-first 评分解释

综合优先阅读分 44.5，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 49。

近期性 8%
86.7

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：2025

方法质量 25%
60

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、指标

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

主题相关性 42%
30.6

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

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：34。

关键词评分

CAD generation
10
generative CAD
9
computer-aided design
8
parametric CAD
8
AI for CAD
7
neural CAD
5
CAD program
2
B-Rep
0
boundary representation
0
constructive solid geometry
0
CSG
0
sketch extrusion
0
CAD reconstruction
0
text-to-CAD
0
image-to-CAD
0
point cloud to CAD
0

深度分析

创新点

  • 用于CAD草图生成的联合连续-离散扩散过程
  • 高斯-软最大扩散：用高斯噪声扰动logits并通过softmax投影到概率单纯形，为离散变量创建混合类别标签
  • 解决CAD草图中基元参数化的异质性和基元的置换不变性

方法

SketchDNN是一种生成模型，使用统一的连续-离散扩散过程联合建模CAD草图的连续参数和离散类别标签。核心的高斯-软最大扩散通过高斯噪声扰动logits并应用softmax获得混合离散标签。该模型在SketchGraphs数据集上使用FID和NLL指标进行评估。

关键结果

SketchDNN将FID从16.04降低到7.80，NLL从84.8降低到81.33，在SketchGraphs数据集上设立了新的最先进水平。

技术栈

Diffusion modelGaussian-Softmax diffusionSketchGraphs datasetFIDNLL

资源

论文

标签