AutoRegressive Generation with B-rep Holistic Token Sequence Representation

Título: Geração Autoregressiva com Representação de Sequência de Tokens Holística para B-rep

1. Problema e Contexto

A Representação de Fronteira (B-rep) é o paradigma fundamental na Modelagem Auxiliada por Computador (CAD) para representar modelos sólidos. No entanto, a geração automática de B-reps via aprendizado de máquina enfrenta desafios significativos devido à sua complexidade inerente:

• Heterogeneidade e Acoplamento: Os B-reps combinam primitivas geométricas contínuas e paramétricas (faces, arestas, vértices) com dependências topológicas discretas e hierárquicas.
• Limitações das Abordagens Atuais: Métodos existentes geralmente dependem de pipelines de aprendizado em etapas (separando geometria e topologia) ou de representações baseadas em grafos.
  • As abordagens em etapas fragmentam a representação, aumentando a complexidade do modelo e dificultando a captura das interdependências completas.
  • As representações baseadas em grafos impedem o uso eficiente de arquiteturas modernas baseadas em Transformers, que exigem entradas sequenciais para alcançar alto desempenho e escalabilidade.

O objetivo central é desenvolver uma forma de representar B-reps de maneira holística (única e integrada) que permita o uso de modelos generativos autoregressivos de alto desempenho, como os baseados em Transformers.

2. Metodologia Proposta: BrepARG

Os autores propõem o BrepARG, o primeiro framework a codificar a geometria e a topologia de um B-rep em uma sequência de tokens holística, permitindo a geração autoregressiva direta. A metodologia divide-se em duas fases principais:

A. Tokenização Holística (Holistic Tokenization)
O B-rep é convertido em três tipos de tokens distintos:

1. Tokens de Geometria (Geometry Tokens):
   • As faces e arestas são amostradas no domínio paramétrico UV (32x32 pontos para faces, 32 pontos para arestas).
   • Um VQ-VAE (Vector Quantized Variational Autoencoder) baseado em U-Net 2D comprime essas características contínuas em latentes discretos.
   • Os latentes são mapeados para índices de um codebook via busca do vizinho mais próximo, gerando tokens discretos que representam a forma geométrica.
2. Tokens de Posição (Position Tokens):
   • Para capturar a localização 3D, as caixas delimitadoras (bounding boxes) das faces e arestas são codificadas.
   • Em vez de usar VQ-VAE (que mostrou baixa precisão para caixas inteiras), os autores propõem uma quantização escalar uniforme coordenada a coordenada. Cada uma das 6 coordenadas da caixa é normalizada e convertida diretamente em um índice discreto, garantindo alta precisão de reconstrução.
3. Tokens de Topologia (Face Index Tokens):
   • A conectividade é representada explicitamente através de índices de faces.
   • Cada face recebe um índice único.
   • Cada aresta recebe dois índices de face (indicando as duas faces adjacentes), codificando a relação de adjacência topológica diretamente na sequência.

B. Construção da Sequência (Sequence Construction)
A sequência final é construída hierarquicamente para preservar a estrutura causal e local:

1. Blocos de Geometria: Cada face e aresta é agrupada em um "bloco" contendo seus tokens de posição, geometria e índices de topologia.
2. Ordenação (Sequentialization):
   • Faces: Ordenadas usando uma busca em profundidade (DFS) que prioriza vizinhos de menor grau, começando pela face de maior grau. Isso agrupa faces topologicamente adjacentes na sequência.
   • Arestas: Ordenadas pelo índice máximo da face adjacente (MAX-IDX-A), garantindo que as arestas apareçam próximas às suas faces associadas, reduzindo dependências de longo alcance.
   • Reindexação: Os índices das faces são reindexados aleatoriamente (modularmente) para melhorar a generalização do modelo.
3. Montagem Final: A sequência global é formada concatenando o token de início (START), a sequência de blocos de faces, um separador (SEP), a sequência de blocos de arestas e o token de fim (END).

C. Modelo Generativo

• Utiliza um Transformer decodificador-only (sem codificador) com máscara causal.
• O modelo é treinado para prever o próximo token na sequência (tarefa de next-token prediction), aprendendo a distribuição conjunta de geometria e topologia em um único fluxo.
• Detokenização: Após a geração, os tokens são convertidos de volta para geometria (via decodificador VQ-VAE e fórmula de desquantização) e a topologia é reconstruída agrupando vértices comuns baseados na proximidade geométrica e nos índices compartilhados, utilizando a biblioteca OpenCascade para formar o sólido final.

3. Contribuições Principais

1. Representação Holística: Propõe a primeira representação de B-rep como uma única sequência de tokens, resolvendo o problema histórico de fragmentação entre geometria e topologia.
2. Framework Autoregressivo Unificado: Desenvolve um pipeline de geração end-to-end que aprende estruturas geométricas e topológicas simultaneamente via self-attention, eliminando a necessidade de pipelines multi-etapa complexos.
3. Desempenho SOTA: Demonstra que essa abordagem supera os métodos existentes em qualidade de geração, eficiência e validade dos modelos.

4. Resultados Experimentais

Os experimentos foram conduzidos nos conjuntos de dados DeepCAD e ABC.

• Qualidade de Geração: O BrepARG alcançou o estado da arte (SOTA) em todas as métricas de avaliação:
  • Validade: 87,60% no DeepCAD (superando significativamente o DTGBrepGen com 79,80% e o BrepGen com 68,23%). Isso indica que a maioria dos modelos gerados são sólidos válidos, estanques e topologicamente consistentes.
  • Diversidade e Precisão: Superou os baselines em métricas de cobertura (COV), distância mínima de correspondência (MMD) e divergência de Jensen-Shannon (JSD).
• Eficiência:
  • Treinamento: O modelo foi treinado em apenas 1,2 dias usando 4 GPUs NVIDIA H20 (comparado a 7,5 dias do BrepGen).
  • Inferência: Gera um B-rep em aproximadamente 1,5 segundos em uma única RTX 4090, sendo significativamente mais rápido que métodos concorrentes.
• Geração Condicional: O modelo demonstrou capacidade robusta de geração condicional por classe (ex.: móveis) usando tokens de prefixo.

5. Significado e Impacto

O trabalho BrepARG representa um avanço fundamental na interseção entre CAD e Aprendizado de Profundo:

• Paradigma de Sequência: Valida a viabilidade de tratar B-reps complexos como sequências de linguagem, abrindo caminho para o uso de arquiteturas de Transformers (como LLMs) na geração de modelos industriais 3D.
• Simplicidade e Eficiência: Ao unificar a representação, elimina a complexidade de arquiteturas multi-estágio, tornando o treinamento mais rápido e a inferência mais rápida.
• Aplicabilidade Industrial: A alta taxa de validade dos modelos gerados sugere que essa técnica pode ser integrada diretamente em fluxos de trabalho de CAD automatizados, facilitando o design generativo de peças mecânicas e produtos complexos.

Em resumo, o BrepARG redefine a geração de B-reps, transformando um problema de modelagem estrutural complexa em uma tarefa de modelagem de sequência eficiente e de alto desempenho.