Resumen Técnico: Img2CADSeq

Enunciado del Problema

Aunque los avances recientes en generación 3D de vista única (por ejemplo, NeRF, Gaussian Splatting) han logrado una fidelidad visual notable, las representaciones resultantes suelen ser campos implícitos o salpicaduras de puntos no estructuradas. Estos formatos carecen de la topología interna explícita de curvas y superficies geométricas requerida para tareas de ingeniería de precisión. En consecuencia, no son adecuados para el diseño industrial y la fabricación, que dependen de Representaciones de Límites (BReps) en formatos estándar como STEP. La reconstrucción de BReps de alta calidad a partir de imágenes individuales sigue siendo un desafío significativo debido a la complejidad de las restricciones topológicas, la naturaleza no estructurada de secuencias de operaciones largas y la escasez de datos de entrenamiento de nivel industrial que cierren la brecha entre los renderizados sintéticos y los artefactos de fabricación del mundo real.

Metodología

Img2CADSeq es una tubería de múltiples etapas diseñada para generar archivos STEP estandarizados a partir de imágenes de vista única (o nubes de puntos) codificando operaciones CAD en un espacio latente discreto. El marco consta de tres etapas principales:

1. Codificación Jerárquica de Secuencias

Para abordar la dificultad de aprender secuencias CAD largas y no estructuradas, los autores proponen un diccionario de códigos jerárquico de tres niveles inspirado en el proceso de diseño "de perfil a detalle". Esta estrategia cuantiza las operaciones CAD en tres niveles distintos utilizando Autoencoders Variacionales Cuantizados por Vectores (VQ-VAE):

• Bloque de Extrusión (EB): Codifica semánticas globales, incluyendo la orientación del plano de boceto, el origen, la profundidad de extrusión y los tipos de operación booleana (Nuevo, Unir, Cortar).
• Parche de Boceto (SP): Codifica la disposición topológica. A diferencia de una simple ordenación, esta capa utiliza un mecanismo de puntuación que prioriza los perfiles dominantes (basados en el área y la escala de la diagonal) para establecer anclas espaciales para los bucles subsiguientes.
• Agrupación de Curvas (CC): Codifica la geometría local utilizando una formulación de marco de Frenet local (longitud de la cuerda, desviación tangencial relativa, curvatura y desplazamientos residuales) en lugar de coordenadas absolutas. Esto garantiza la invariancia traslacional y compacta la longitud de la secuencia al eliminar separadores redundantes, terminando las secuencias únicamente con un token <EOS>.

2. Extracción de Características Consciente de la Geometría

Para cerrar la brecha de modalidad entre imágenes 2D y secuencias CAD 3D, el método emplea una representación intermedia de nube de puntos de lo grueso a lo fino:

• Levantamiento Grueso: Una imagen de vista única se levanta a una nube de puntos inicial gruesa utilizando una versión adaptada de Dens3R. Para adaptar esto a piezas industriales rígidas, los autores emplean el Ajuste Fino Eficiente en Parámetros (PEFT) en las capas lineales de Consulta y Valor, alineando la atención espacial con los priores CAD.
• Refinamiento: Para mitigar el ruido mientras se preservan los bordes afilados, se introduce una DGCNN Consciente de la Incertidumbre (UA-DGCNN) novedosa. Predice puntuaciones de importancia geométrica y utiliza una estrategia de Muestreo Reasignado Guiado por Heurística. Esta estrategia equilibra la retención de características de alta curvatura (bordes afilados) mediante una distribución de Boltzmann con una cobertura uniforme del fondo para evitar vacíos en regiones planas.

3. Alineación y Generación Multimodal

El sistema alinea los incrustamientos de la nube de puntos refinada con el espacio latente CAD para guiar la generación:

• Aprendizaje Contrastivo: Un marco conjunto utiliza la pérdida InfoNCE para maximizar la información mutua entre los incrustamientos de la nube de puntos y los incrustamientos de la secuencia CAD, asegurando que la información estructural de la geometría esté semánticamente conectada al diccionario de códigos CAD.
• Generación VQ-Diffusion: Las características alineadas sirven como condiciones para un modelo VQ-Diffusion. Este modelo predice tokens discretos para la secuencia CAD mediante un proceso de transición de estado absorbente.
• Compilación: Un núcleo geométrico compila los tokens discretos predichos en un modelo BRep estanco, generando un archivo STEP estándar.

Contribuciones Clave

1. Diccionario de Códigos Jerárquico de Tres Capas: Una estrategia de codificación novedosa que comprime secuencias CAD complejas en un espacio latente discreto adecuado para el modelado de difusión, priorizando los perfiles globales sobre los detalles locales para garantizar la validez topológica y la capacidad de aprendizaje.
2. Curación de Datos Industriales (CAD-220K & PrintCAD): Para abordar la escasez de datos industriales y la brecha sim-real, los autores introducen:
   • CAD-220K: Un subconjunto curado del conjunto de datos ABC que contiene más de 220.000 modelos CAD 3D diversos con imágenes renderizadas.
   • PrintCAD: Un conjunto de datos de más de 2.000 imágenes de componentes impresos en 3D capturados bajo iluminación y fondos del mundo real.
     Estos conjuntos de datos se utilizan para entrenar el módulo de imagen a nube de puntos, mejorando la generalización en piezas mecánicas.
3. Marco de Alineación Robusto: Un mecanismo de condicionamiento que alinea las nubes de puntos derivadas de imágenes 2D con las codificaciones de secuencia CAD mediante aprendizaje contrastivo, permitiendo la generación de secuencias CAD topológicamente válidas que se compilan directamente en archivos STEP estándar.

Resultados Experimentales

Extensos experimentos demuestran que Img2CADSeq supera a los métodos más avanzados en tres configuraciones:

• Generación Condicionada por Imagen: El método logra la menor Distancia de Chamfer (1.21), la menor Proporción de Caras Colgantes (2.2) y la mayor Precisión de Segmentación (97.2%) en comparación con líneas base como TripoSR, HoLa y CADDreamer. Visualmente, produce BReps con bordes afilados y errores de ajuste mínimos, evitando las distorsiones "tipo arcilla" o los artefactos no estancos observados en métodos competidores.
• Generación Condicionada por Nube de Puntos: En nubes de puntos limpias, Img2CADSeq logra el menor Error de Precisión (6.49) y el menor Error de Completitud (4.91), con una Alta Precisión (0.947) y Recall (0.923). Recupera con éxito bordes afilados y características geométricas finas que los métodos basados en ajuste a menudo suavizan o no recortan correctamente.
• Generación Incondicional: En tareas de generación incondicional, el método demuestra una similitud de distribución superior (menor MMD y JSD) y diversidad (mayor Cobertura y Novedad) mientras mantiene una Baja Tasa de Invalidación (10.89), produciendo componentes mecánicos estructuralmente plausibles.

Significado y Limitaciones

El artículo afirma que Img2CADSeq avanza significativamente el campo de la ingeniería inversa automatizada al generar BReps editables y topológicamente válidas en lugar de mallas inertes. Al generar directamente archivos STEP estándar, el método facilita aplicaciones industriales posteriores como la fabricación y la simulación.

Los autores reconocen modestamente limitaciones específicas:

• Ambigüedad de Vista Única: En casos de oclusión severa, el modelo puede alucinar regiones ocluidas que son topológicamente estancas pero físicamente imposibles de fabricar.
• Restricciones Globales: Aunque las características locales se capturan bien, el método carece de restricciones globales explícitas, lo que lleva a errores potenciales en simetría estricta o coaxialidad debido a la acumulación de errores en la secuencia.
• Límites de Resolución: La resolución intermedia de la nube de puntos (4.096 puntos) puede hacer que microestructuras como roscas o filetes diminutos se suavicen u omitan durante el remuestreo.

Se propone trabajo futuro para integrar Modelos Visión-Lenguaje (VLM) para condicionamiento multimodal, habilitar la edición interactiva en etapas intermedias y hacer cumplir explícitamente restricciones geométricas estrictas.