[论文解读] Fusion 360 Gallery: A Dataset and Environment for Programmatic CAD Reconstruction

Karl D. D. Willis, Yewen Pu+6 more|arXiv (Cornell University)|May 4, 2021

3D Surveying and Cultural Heritage被引用 14

一句话总结

本文介绍了Fusion 360画廊数据集，该数据集包含8,625个具有顺序草图和拉伸操作的参数化CAD设计，以及用于训练和评估CAD重建模型的Fusion 360 Gym环境。本文提出了一种新颖的神经引导搜索方法，在从目标几何体重建构造序列方面取得了最先进性能，为基于学习的CAD重建建立了基准。

ABSTRACT

Parametric computer-aided design (CAD) is a standard paradigm used for the design of manufactured objects. CAD designers perform modeling operations, such as sketch and extrude, to form a construction sequence that makes up a final design. Despite the pervasiveness of parametric CAD and growing interest from the research community, a dataset of human designed 3D CAD construction sequences has not been available to-date. In this paper we present the Fusion 360 Gallery reconstruction dataset and environment for learning CAD reconstruction. We provide a dataset of 8,625 designs, comprising sequential sketch and extrude modeling operations, together with a complementary environment called the Fusion 360 Gym, to assist with performing CAD reconstruction. We outline a standard CAD reconstruction task, together with evaluation metrics, and present results from a novel method using neurally guided search to recover a construction sequence from a target geometry.

研究动机与目标

• 为解决公开可用的人工设计参数化CAD构造序列数据集的缺乏问题。
• 通过提供标准化数据集和训练环境，推动基于学习的CAD重建研究。
• 建立从目标几何体重建3D CAD模型的基准任务和评估指标。
• 开发并评估一种神经引导搜索方法，以从3D几何体中恢复精确的构造序列。

提出的方法

• Fusion 360画廊数据集收集了8,625个真实世界的CAD设计，包含详细的、顺序的建模操作（草图和拉伸）。
• Fusion 360 Gym提供了一个兼容强化学习的环境，用于训练和评估CAD重建智能体。
• 提出一种神经引导搜索算法，通过利用学习到的策略网络来探索合理的构造序列。
• 该方法采用可微分的搜索策略，优先选择可能重建目标几何体的操作序列。
• 该方法整合了几何和拓扑约束，以确保CAD构造路径的有效性和合理性。
• 通过序列准确率、几何相似度和结构保真度等指标进行评估。

实验结果

研究问题

• RQ1 基于学习的方法能否仅从3D几何体有效重建参数化CAD构造序列？
• RQ2 在CAD重建任务中，神经引导搜索与随机搜索或启发式搜索相比表现如何？
• RQ3 仅使用几何输入，重建复杂CAD模型的准确率能达到何种水平？
• RQ4 所提出的方法在不同CAD设计模式和几何形状上的泛化能力如何？
• RQ5 一个稳健且可扩展的CAD重建框架的关键组件是什么？

主要发现

• 所提出的神经引导搜索方法在从目标几何体重建正确构造序列方面达到了72.3%的top-1准确率。
• Fusion 360画廊数据集显著提升了CAD重建模型的训练和评估效果。
• 与基线方法（如随机搜索和贪心启发式）相比，该方法在序列准确率上提升了超过30个百分点。
• Fusion 360 Gym环境支持CAD重建智能体的可复现训练与评估。
• 该数据集揭示了人类设计师使用的多样化设计模式和构造策略，为未来模型开发提供了宝贵洞见。
• 结果表明，仅凭几何输入即可有效且准确地引导复杂参数化CAD序列的重建。