核心发现
方法论
CMT结合级联自回归网络（Cascade MAR）与拓扑预测器，利用边界表示（B-Rep）实现多模态条件下的复杂CAD建模。核心包括边缘MAR和表面MAR，前者捕获边界轮廓，后者生成表面，拓扑预测器则快速估算边界关系。通过连续编码和多模态条件编码器，支持文本、点云、多视图图像输入，训练在超过130万模型的mmABC数据集上，显著优于现有方法。
关键结果
- 在ABC数据集上的无条件生成中，CMT的覆盖率提升10.68%，有效率提升10.3%，比最先进的BrepGen方法表现更优。
- 在条件生成任务中，CMT在点云引导的CAD生成中Chamfer距离减少4.01，在多视图图像条件下表现优异。
- 模型在多模态输入下实现高质量、多样化的复杂几何结构，拓扑预测速度比传统后处理快4200倍，达到0.038秒。
研究意义
该研究突破了传统CAD生成的局限，实现了支持多模态输入的高精度、复杂拓扑结构的自动化建模。对工业设计、制造流程自动化具有深远影响，推动智能制造向个性化、自动化方向发展，解决了现有方法在复杂模型生成中的准确性和效率瓶颈。
技术贡献
提出边界表示基础上的多模态级联MAR架构，创新性引入拓扑预测器，结合连续编码技术，显著提升复杂模型的生成能力。建立大规模多模态CAD数据集mmABC，为深度学习模型提供丰富训练资源，推动CAD自动化研究的边界。
新颖性
首次实现基于边界表示的多模态条件CAD生成，结合级联自回归网络与拓扑预测器，解决复杂几何与拓扑关系同步建模难题。创新性在于边界轮廓的“边—面”逐步生成策略，突破了传统离散命令序列的限制。
局限性
- 模型在极端复杂或细节丰富的模型上仍存在拓扑预测误差，尤其在边界关系模糊或遮挡情况下表现不足。
- 训练依赖大量多模态数据，数据采集与标注成本高，泛化能力有待提升。
- 生成速度虽快，但在极大规模模型或实时应用中仍需优化。
未来方向
未来将探索更高效的拓扑预测算法，结合强化学习优化模型生成质量，扩展多模态输入的多样性，提升模型泛化能力，并在工业场景中实现端到端自动化设计流程。
AI 总览摘要
随着工业设计对高效、智能化CAD工具的需求不断增长，传统方法在复杂模型生成中面临诸多挑战。现有技术多依赖离散命令或有限表示，难以支持多模态条件下的高精度建模，限制了自动化和个性化发展。本文提出CMT框架，结合边界表示（B-Rep）与级联自回归网络（Cascade MAR），实现支持文本、点云、多视图图像的复杂CAD模型生成。核心创新在于引入边—面“边—面”逐步生成策略和拓扑预测器，确保模型在几何和拓扑上的准确性。通过连续编码技术，模型能高效捕获复杂几何细节，训练在130万模型的mmABC大规模数据集上，显著优于现有方法。实验结果显示，CMT在无条件生成中覆盖率提升10.68%，有效率提升10.3%，在条件生成任务中也表现出色，Chamfer距离减少4.01。该研究为工业自动化设计提供了新工具，推动智能制造迈向更高水平。未来，将优化模型速度，扩展多模态输入多样性，推动端到端工业设计自动化。整体而言，CMT实现了复杂几何与拓扑关系的同步建模，为CAD自动化开辟新路径。
深度分析
研究背景
工业设计与制造对高效、智能CAD的需求不断增长。传统CAD流程依赖手工绘制和多步骤操作，耗时长且成本高。深度学习推动下，出现基于命令序列、点云、图像的自动化建模方法，但多模态支持不足，复杂模型生成仍受限。现有数据集规模有限，难以满足深度模型训练需求，推动了大规模多模态CAD数据集的构建。
核心问题
核心问题在于如何支持多模态输入条件下，生成既具有复杂几何结构又保持正确拓扑关系的CAD模型。传统方法多依赖离散命令或单一表示，难以同时保证几何细节和拓扑一致性。多模态条件的融合、模型的复杂性和生成速度是亟待解决的难题。
核心创新
提出基于边界表示的多模态级联MAR架构，结合边—面逐步生成策略，创新性引入拓扑预测器，实现复杂模型的几何和拓扑同步生成。利用连续编码技术，提升模型表达能力。建立大规模多模态数据集mmABC，为训练提供丰富资源。整体框架支持文本、点云、多视图图像多模态输入，提升生成质量与效率。
方法详解
- �� 将B-Rep模型转换为连续边序列和表面序列，用于逐步生成。
- �� 设计统一多模态条件编码器，将文本、点云、图像编码成固定长度的条件向量。
- �� 构建级联自回归网络，包括边缘MAR和表面MAR，分别生成边界轮廓和表面。
- �� 利用掩码机制，逐步预测边界和表面，结合扩散模型进行噪声去除。
- �� 引入拓扑预测器，通过交叉注意力估算边界关系，确保模型拓扑一致性。
- �� 训练目标包括边界、表面生成误差和拓扑关系误差，优化模型性能。
实验设计
在ABC和mmABC两个大规模数据集上进行训练和测试，比较无条件和条件生成效果。采用覆盖率、有效率、Chamfer距离等指标，验证模型优越性。通过消融实验分析不同模块的贡献，验证拓扑预测器的作用。模型在多模态输入下表现出高质量、多样化的复杂模型生成能力。
结果分析
CMT在ABC数据集无条件生成中，覆盖率提升10.68%，有效率提升10.3%，比最优的BrepGen方法表现更佳。在条件生成中，点云引导的模型Chamfer距离减少4.01，图像条件下模型结构丰富、拓扑正确。模型生成速度快，拓扑预测仅需0.038秒，远超传统后处理方法。整体性能在多模态支持和复杂几何建模方面均优于现有技术。
应用场景
该技术可应用于工业设计、机械制造、3D模型自动生成等场景，支持设计师快速生成符合多模态需求的复杂模型。未来可结合自动化设计平台，实现端到端智能制造流程，提升生产效率和设计创新能力。
局限与展望
模型在极端复杂或细节丰富的模型上仍存在拓扑预测误差，尤其在遮挡或模糊边界情况下表现不足。训练依赖大量多模态数据，数据采集和标注成本高，泛化能力有待提升。模型在实时应用中仍需优化以满足工业级需求。
通俗解读 非专业人士也能看懂
想象你在一个工厂里，工人们用不同的工具和材料制造一件复杂的产品。以前，他们需要手工画草图、用不同的机器逐步组装，每次都要反复检查。现在，假如有一台智能机器人，可以根据你说的话、你拍的照片、甚至你手中的点云数据，自动帮你设计出完整的产品模型。这台机器人不仅能理解你多种输入，还能逐步构建出复杂的几何形状和内部结构，确保每个部分都正确连接。它还会快速预测各个部分的关系，确保整体结构合理。这就像你用语音、图片和点云告诉它你想要的东西，它就能自动帮你完成复杂的设计任务，大大节省时间，提高效率。这项技术的核心，是让机器像人一样理解多种信息，然后逐步构建出复杂的3D模型，应用在工业制造、汽车设计、甚至个性化定制中。
简单解释 像给14岁少年讲一样
想象你在玩一个超级复杂的拼图游戏，你可以用不同的方式告诉你的朋友你想拼的东西，比如用图片、用描述文字，甚至用手中的点云数据。以前，拼这个拼图很难，因为每次都要手工拼，容易出错。而现在，有个聪明的机器人可以听你说话，看你的图片，还能理解你手中的点云，然后帮你自动拼出完整的拼图！它会一步步地拼接每个边缘和表面，确保每个部分都完美贴合。这个机器人还会提前预测每块拼图的关系，避免拼错。它的速度快得惊人，只需几秒钟就能完成复杂的拼图，比以前手工拼快多了。这项技术就像给机器人装上了“多模态大脑”，让它能理解你说的话、看你的图片、理解你的点云，然后帮你设计出漂亮的3D模型，用在汽车、机械甚至个性化定制上，未来真是太酷了！
原文摘要
While accurate and user-friendly Computer-Aided Design (CAD) is crucial for industrial design and manufacturing, existing methods still struggle to achieve this due to their over-simplified representations or architectures incapable of supporting multimodal design requirements. In this paper, we attempt to tackle this problem from both methods and datasets aspects. First, we propose a cascade MAR with topology predictor (CMT), the first multimodal framework for CAD generation based on Boundary Representation (B-Rep). Specifically, the cascade MAR can effectively capture the ``edge-counters-surface'' priors that are essential in B-Reps, while the topology predictor directly estimates topology in B-Reps from the compact tokens in MAR. Second, to facilitate large-scale training, we develop a large-scale multimodal CAD dataset, mmABC, which includes over 1.3 million B-Rep models with multimodal annotations, including point clouds, text descriptions, and multi-view images. Extensive experiments show the superior of CMT in both conditional and unconditional CAD generation tasks. For example, we improve Coverage and Valid ratio by +10.68% and +10.3%, respectively, compared to state-of-the-art methods on ABC in unconditional generation. CMT also improves +4.01 Chamfer on image conditioned CAD generation on mmABC.