.png){kind=icon}
返回
LiCoCAD: A Lightweight Model–LLM Collaborative Framework for CAD Reverse Engineering From Point Clouds
.png){kind=icon}
PRE
AI
DOI：10.1109/tetc.2026.3707250.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于点云的CAD逆向工程旨在从扫描几何中恢复可编辑的参数化模型。现有方法受限于不精确的有效参数预测、冗余的点云输入和昂贵的任务特定训练。为解决这些限制，我们提出LiCoCAD，一种轻量级模型—大型语言模型（LLM）协作框架，将点云重建为CADQuery代码。它使用轻量级模块生成关键约束和提示，用于基于LLM的CAD重建。轻量级CAD-Coder预测命令序列作为结构约束，而一个无需训练的几何关键点提取器将扫描点云转换为紧凑的坐标提示作为几何约束。这些结构约束和几何约束引导商业LLM推理CAD参数并生成CADQuery代码。该设计避免了任务特定的LLM微调，仅训练轻量级CAD-Coder，从而将主要训练负担转移到轻量级任务特定模型训练上。推理过程中，一个CD反馈精炼阶段确保代码有效性并精炼几何参数。在三个数据集上的实验表明，LiCoCAD比现有方法实现了更高的重建精度和鲁棒性。实际工业案例进一步表明，生成的CADQuery代码保持可编辑性。这些结果表明，轻量级模型—LLM协作范式为CAD逆向工程提供了可扩展的解决方案，并适用于更广泛的工程任务。
Keyword:
Computer-aided design (CAD)
CAD reverse engineering
point clouds
large language models (LLMs)
editable CAD model
期刊
IF:
5.4
论文数:
1.1K
被引数:
3.4K
机构
引用论文
An autoregressive framework for reconstructing editable parametric computer-aided design models from point clouds一种自回归框架，用于从点云重建可编辑的参数化计算机辅助设计模型
.png){kind=icon}
PREAI
分享收藏CAD-Llama: Leveraging Large Language Models for Computer-Aided Design Parametric 3D Model Generation
PREAI
分享收藏Multi-Objective Discrete Extremal Optimization of Variable-Length Blocks-Based CNN by Joint NAS and HPO for Intrusion Detection in IIoT多目标离散极值优化变长块基CNN的联合NAS和HPO入侵检测工业物联网
PREAI
分享收藏分享收藏
查看更多内容