[논문 리뷰] Hierarchical Neural Coding for Controllable CAD Model Generation

Xiang Xu, Pradeep Kumar Jayaraman외 3명|arXiv (Cornell University)|2023. 06. 30.

Manufacturing Process and Optimization인용 수 7

한 줄 요약

이 논문은 세 단계의 이산 신경 코드 트리—전반적인 부품 배치, 국소적 프로파일 기하학, 미세한 곡선 특징을 표현하는 것—를 사용하여 제어 가능한 CAD 모델 생성을 위한 계층적 신경 코드 프레임워크를 제안한다. 이는 마스크된 스킵 커넥션 VQ-VAE와 계층적 순차적 자기회귀형 트랜스포머를 결합하여 고해상도의 의도 인식 생성과 자동 완성 기능을 가능하게 한다. 이 방법은 무조건적 및 조건부 생성 모두에서 최신 기술 수준(SOTA) 성능을 달성하여 직관적인 사용자 제어를 통해 다양한 고품질 CAD 출력을 가능하게 한다.

ABSTRACT

This paper presents a novel generative model for Computer Aided Design (CAD) that 1) represents high-level design concepts of a CAD model as a three-level hierarchical tree of neural codes, from global part arrangement down to local curve geometry; and 2) controls the generation or completion of CAD models by specifying the target design using a code tree. Concretely, a novel variant of a vector quantized VAE with "masked skip connection" extracts design variations as neural codebooks at three levels. Two-stage cascaded auto-regressive transformers learn to generate code trees from incomplete CAD models and then complete CAD models following the intended design. Extensive experiments demonstrate superior performance on conventional tasks such as random generation while enabling novel interaction capabilities on conditional generation tasks. The code is available at https://github.com/samxuxiang/hnc-cad.

연구 동기 및 목표

• 기존의 딥러닝 기반 CAD 생성 방법에서 설계 의도 모델링의 부족을 해결하기 위해.
• 계층적 설계 개념을 이산 신경 코드로 학습하여 제어 가능하고 고해상도의 CAD 생성을 가능하게 하기 위해.
• 부분 입력에서의 자동 완성 및 의도 유지 편집과 같은 새로운 사용자 상호작용을 지원하기 위해.
• 이전의 SOTA 방법들인 SkexGen과 DeepCAD에 비해 생성 다양성과 정확도를 향상시키기 위해.
• CAD 모델 내 기하학적 및 구조적 관계를 모두 포괄하는 신경 코드 트리 표현을 구축하기 위해.

제안 방법

• 스케치-익스트루드 CAD 시퀀스에서 세 단계의 이산 코드북을 학습하기 위해 마스크된 스킵 커넥션을 갖춘 VQ-VAE의 새로운 변종을 사용한다.
• 코드북은 전반적인 부품 배열, 2차원 프로파일 기하학, 국소적 곡선 수준의 특징과 같은 계층적 설계 개념을 인코딩한다.
• 두 단계로 구성된 계층적 순차적 자기회귀형 트랜스포머는 부분적으로 손상된 CAD 모델에서 코드 트리를 생성한 후, 코드 트리와 부분 입력을 기반으로 전체 CAD 모델을 재구성한다.
• 제어 가능한 생성을 위해 직접 코드 트리 입력을 지원하며, 부분적으로 익스트루드된 프로파일이나 루프에서의 자동 완성도 가능하다.
• 마스크된 스킵 커넥션은 잠재 표현 간의 구조적 관계를 유지함으로써 코드북 학습을 향상시킨다.
• 생성된 CAD 모델은 산업용 CAD 소프트웨어와의 호환성을 위해 B-Rep 형식으로 변환된다.

Figure 1 : We propose three-level hierarchical neural coding for controllable CAD model generation. Our system learns high-level design concepts as discrete codes at different levels, enabling more diverse and higher-quality generation (top); novel user controls while specifying design intent (botto

실험 결과

연구 질문

• RQ1 계층적 신경 코드 트리가 CAD 구조의 여러 수준에 걸쳐 고수준의 설계 의도를 효과적으로 표현할 수 있는가?
• RQ2 마스크된 스킵 커넥션을 갖춘 VQ-VAE가 CAD 생성을 위해 더 분리되고 해석 가능한 코드북을 학습할 수 있는가?
• RQ3 부분적인 CAD 입력에 조건부로 설정된 자기회귀형 트랜스포머가 다양하고 충실한 완성 결과를 생성할 수 있는가?
• RQ4 코드 트리 표현이 미세 조절 가능하고 의도를 유지하는 CAD 모델 편집을 가능하게 하는가?
• RQ5 제안된 방법은 조건부 및 무조건적 생성 작업에서 기존의 SOTA 방법들에 비해 품질과 제어 가능성 측면에서 어떻게 비교되는가?

주요 결과

• 제안된 방법은 무조건적 CAD 생성에서 최신 기술 수준(SOTA) 성능을 달성하여 이전의 SOTA 방법들보다 더 복잡하고 현실적인 모델을 생성한다.
• 조건부 생성에서는 계층적 코드 트리 조작 덕분에 더 뛰어난 기하학적 제어력과 다양성을 보여준다.
• 부분적으로 익스트루드된 프로파일이나 루프에서의 자동 완성은 최근접 이웃 기반 대안보다 더 높은 해상도와 다양성을 보이며, 이는 제한된 다양성과 낮은 정렬 일치도로 인한 결함을 악용하지 않는다.
• 마스크된 스킵 커넥션을 통한 코드북 학습은 예를 들어 진동하는 루프와 같은 인스턴스 독립적 설계 패턴을 포착하지만, 곡선 수나 유형과 같은 인스턴스 고유의 세부 정보는 무시한다.
• 코드 트리를 고정하고 오직 모델 파라미터만 업데이트함으로써 설계 유지 편집이 가능해지며, 이는 편집 사항이 구조적 관계를 유지하도록 자동으로 전파된다.
• 사용자가 코드 트리 편집을 통해 다양한 추상 수준에서 설계 의도를 명시할 수 있도록 직관적인 사용자 상호작용을 가능하게 한다.

Figure 2 : Example failures of parametric CAD, editing a design (a) by shortening or extending (green) the table. Inconsistent areas are highlighted in red.