[논문 리뷰] SketchGen: Generating Constrained CAD Sketches

Wamiq Reyaz Para, Shariq Farooq Bhat외 5명|arXiv (Cornell University)|2021. 06. 04.

3D Shape Modeling and Analysis참고 문헌 38인용 수 25

한 줄 요약

SketchGen은 프리미티브와 기하학적 제약을 모두 생성하기 위해 신중하게 설계된 CAD 스케치 언어를 갖춘 트랜스포머 기반 모델을 사용하여 제약 인식 CAD 스케치 생성과 기존 스케치의 자동 제약화를 가능하게 하며, 제한된 CAD 스케치 생성에서 이전의 SketchGraphs 기반보다 현저히 우수하게 성능을 보입니다.

ABSTRACT

Computer-aided design (CAD) is the most widely used modeling approach for technical design. The typical starting point in these designs is 2D sketches which can later be extruded and combined to obtain complex three-dimensional assemblies. Such sketches are typically composed of parametric primitives, such as points, lines, and circular arcs, augmented with geometric constraints linking the primitives, such as coincidence, parallelism, or orthogonality. Sketches can be represented as graphs, with the primitives as nodes and the constraints as edges. Training a model to automatically generate CAD sketches can enable several novel workflows, but is challenging due to the complexity of the graphs and the heterogeneity of the primitives and constraints. In particular, each type of primitive and constraint may require a record of different size and parameter types. We propose SketchGen as a generative model based on a transformer architecture to address the heterogeneity problem by carefully designing a sequential language for the primitives and constraints that allows distinguishing between different primitive or constraint types and their parameters, while encouraging our model to re-use information across related parameters, encoding shared structure. A particular highlight of our work is the ability to produce primitives linked via constraints that enables the final output to be further regularized via a constraint solver. We evaluate our model by demonstrating constraint prediction for given sets of primitives and full sketch generation from scratch, showing that our approach significantly out performs the state-of-the-art in CAD sketch generation.

연구 동기 및 목표

• 이질적인 프리미티브와 제약을 명시적으로 다룸으로써 CAD 스케치의 향상된 생성을 촉진한다.
• 효과적인 트랜스포머 모델링을 가능하게 하는 CAD 스케치용 구조적 토큰 기반 언어를 제안한다.
• 구문 트리에서 얻은 정보를 바탕으로 프리미티브용과 제약용의 두 개의 전문 트랜스포머를 개발한다.
• 제약 인식 생성이 솔버를 통해 정규화되어 유효한 스케치를 생성할 수 있음을 보여준다.

제안 방법

• CAD 스케치를 제약으로 연결된 이질적 프리미티브의 그래프로 표현한다.
• 시작/종료 구문 및 구문 트리 지침을 갖춘 프리미티브와 제약용 형식적 토큰 기반 언어를 설계한다.
• 연속 프리미티브 매개변수를 파라미터 타입당 256개의 빈으로 k-means를 통해 양자화한다.
• 다중 입력 시퀀스(Q, Q3, Q4, QI)에 조건화된 자기회귀 프리미티브 생성기로 트랜스포머 디코더를 사용한다.
• 제약 시퀀스를 형성하기 위해 프리미티브 인덱스를 선택하는 포인터 네트워크 기반 제약 생성기를 구현한다.
• 교사 강제 및 교차 엔트로피 손실로 프리미티브 및 제약 생성기를 학습시키고, 추론 중에는 nucleus sampling을 적용한다.
• 양자화 오차를 수정하고 실행 가능성을 높이기 위해 제약 해결기와의 포스트 최적화를 허용한다.

실험 결과

연구 질문

• RQ1 구조화된 토큰 기반 언어가 이질적 CAD 프리미티브와 그 제약의 효과적인 자기회귀 생성을 가능하게 할 수 있는가?
• RQ2 구문 트리 지침(Q3, Q4)을 도입하는 것이 일반 시퀀스 모델링에 비해 생성을 향상시키는가?
• RQ3 프리미티브 생성과 제약 생성을 분리하고 제약에 포인터 네트워크를 사용하는 이점은 무엇인가?
• RQ4 생성된 제약이 제약 솔버를 통해 프리미티브 매개변수 양자화를 견고하게 정규화하고 수정할 수 있는가?
• RQ5 SketchGraphs와 같은 제약 데이터세트에서 생성 분포가 실제 CAD 스케치에 얼마나 가까운가?

주요 결과

• 모델은 테스트 스케치에서 SketchGraphs baseline보다 음의 대수우도(NLL)가 더 낮다(NLL 값: 스케치 88.22, 프리미티브 8.60, 제약 0.61).
• 생성된 스케치는 생성 시퀀스의 E_stat 지표에 의해 데이터 분포에 더 가까운 통계를 보인다, 베이스라인보다.
• 제거하면 Q3와 Q4 같은 구문 트리 입력이 제거되면 성능이 저하되고, 공유 임베딩에서 토큰 유형을 혼합하면 결과도 손상된다.
• 생성된 제약은 프리미티브 매개변수 양자화 오차를 수정할 수 있으며, 자동 제약화(auto-constraining)은 테스트 세트 제약에서 약 98.4%의 높은 정확도를 달성한다.
• 생성 후 제약 최적화가 가능성을 높이고 스케치를 더 실행 가능하게 만든다(예: 선 끝점 간의 간격을 메운다).
• 이 접근 방식은 SketchGraphs 데이터셋에서 전체 스케치 생성과 자동 제약화 작업 모두에서 주요 기준선을 상회한다.