Resumo Técnico: Img2CADSeq

Declaração do Problema

Embora os avanços recentes na geração 3D de visão única (por exemplo, NeRF, Gaussian Splatting) tenham alcançado fidelidade visual notável, as representações resultantes são tipicamente campos implícitos ou splats de pontos não estruturados. Esses formatos carecem da topologia interna explícita de curvas e superfícies geométricas necessária para tarefas de engenharia de precisão. Consequentemente, são inadequados para design e manufatura industriais, que dependem de Representações de Fronteira (BReps) em formatos padrão como STEP. A reconstrução de BReps de alta qualidade a partir de imagens de visão única permanece um desafio significativo devido à complexidade das restrições topológicas, à natureza não estruturada de longas sequências de operações e à escassez de dados de treinamento de nível industrial que preencham a lacuna entre renderizações sintéticas e artefatos de manufatura do mundo real.

Metodologia

O Img2CADSeq é um pipeline multiestágio projetado para gerar arquivos STEP padronizados a partir de imagens de visão única (ou nuvens de pontos), codificando operações de CAD em um espaço latente discreto. O framework consiste em três estágios principais:

1. Codificação Hierárquica de Sequência

Para abordar a dificuldade de aprender longas sequências de CAD não estruturadas, os autores propõem um livro de códigos hierárquico de três níveis inspirado no processo de design "do perfil ao detalhe". Esta estratégia quantiza as operações de CAD em três níveis distintos usando Autoencoders Variacionais Quantizados Vetorialmente (VQ-VAE):

• Bloco de Extrusão (EB): Codifica semântica global, incluindo orientação do plano de esboço, origem, profundidade de extrusão e tipos de operação booleana (Novo, Unir, Cortar).
• Patch de Esboço (SP): Codifica o layout topológico. Diferente de uma simples ordenação, esta camada usa um mecanismo de pontuação que prioriza perfis dominantes (baseados em área e escala diagonal) para estabelecer âncoras espaciais para loops subsequentes.
• Cluster de Curva (CC): Codifica geometria local usando uma formulação de quadro de Frenet local (comprimento da corda, desvio tangencial relativo, curvatura e deslocamentos residuais) em vez de coordenadas absolutas. Isso garante invariância de translação e compacta o comprimento da sequência eliminando separadores redundantes, terminando sequências exclusivamente com um token <EOS>.

2. Extração de Características Consciente de Geometria

Para preencher a lacuna de modalidade entre imagens 2D e sequências de CAD 3D, o método emprega uma representação intermediária de nuvem de pontos de grosso a fino:

• Levantamento Grosso: Uma imagem de visão única é levantada em uma nuvem de pontos grosseira inicial usando uma versão adaptada do Dens3R. Para adaptar isso a peças industriais rígidas, os autores empregam Ajuste Fino Eficiente em Parâmetros (PEFT) nas camadas lineares de Consulta e Valor, alinhando a atenção espacial com priors de CAD.
• Refinamento: Para mitigar ruído enquanto preserva arestas nítidas, é introduzido um DGCNN Consciente de Incerteza (UA-DGCNN) novel. Ele prevê pontuações de importância geométrica e utiliza uma estratégia de Ressamplagem Guiada por Heurística. Esta estratégia equilibra a retenção de características de alta curvatura (arestas nítidas) via uma distribuição de Boltzmann com cobertura uniforme de fundo para evitar vazios em regiões planas.

3. Alinhamento e Geração Cross-Modal

O sistema alinha os embeddings da nuvem de pontos refinada com o espaço latente de CAD para guiar a geração:

• Aprendizado Contrastivo: Um framework conjunto usa a perda InfoNCE para maximizar a informação mútua entre os embeddings da nuvem de pontos e os embeddings da sequência de CAD, garantindo que a informação estrutural da geometria esteja semanticamente conectada ao livro de códigos de CAD.
• Geração VQ-Diffusion: Os recursos alinhados servem como condições para um modelo VQ-Diffusion. Este modelo prevê tokens discretos para a sequência de CAD via um processo de transição de estado absorvente.
• Compilação: Um kernel geométrico compila os tokens discretos previstos em um modelo BRep estanque, produzindo um arquivo STEP padrão.

Principais Contribuições

1. Livro de Códigos Hierárquico de Três Camadas: Uma estratégia de codificação novel que comprime sequências complexas de CAD em um espaço latente discreto adequado para modelagem de difusão, priorizando perfis globais sobre detalhes locais para garantir validade topológica e aprendibilidade.
2. Curadoria de Dados Industriais (CAD-220K & PrintCAD): Para abordar a escassez de dados industriais e a lacuna sim-real, os autores introduzem:
   • CAD-220K: Um subconjunto curado do conjunto de dados ABC contendo mais de 220.000 modelos CAD 3D diversos com imagens renderizadas.
   • PrintCAD: Um conjunto de dados de mais de 2.000 imagens de componentes impressos em 3D capturados sob iluminação e fundos do mundo real.
     Esses conjuntos de dados são usados para treinar o módulo de imagem-para-nuvem-de-pontos, aprimorando a generalização em peças mecânicas.
3. Framework de Alinhamento Robusto: Um mecanismo de condicionamento que alinha nuvens de pontos derivadas de imagens 2D com codificações de sequência de CAD via aprendizado contrastivo, permitindo a geração de sequências de CAD topologicamente válidas que compilam diretamente em arquivos STEP padrão.

Resultados Experimentais

Extensos experimentos demonstram que o Img2CADSeq supera os métodos mais avançados em três configurações:

• Geração Condicionada por Imagem: O método alcança a menor Distância de Chamfer (1,21), a menor Razão de Faces Suspensas (2,2) e a maior Precisão de Segmentação (97,2%) em comparação com bases como TripoSR, HoLa e CADDreamer. Visualmente, produz BReps com arestas nítidas e erros de ajuste mínimos, evitando distorções "tipo argila" ou artefatos não estanques vistos em métodos concorrentes.
• Geração Condicionada por Nuvem de Pontos: Em nuvens de pontos limpas, o Img2CADSeq alcança o menor Erro de Precisão (6,49) e Erro de Completude (4,91), com alta Precisão (0,947) e Revocação (0,923). Ele recupera com sucesso arestas nítidas e características geométricas finas que métodos baseados em ajuste frequentemente suavizam ou falham em aparar corretamente.
• Geração Incondicional: Em tarefas de geração incondicional, o método demonstra similaridade de distribuição superior (menor MMD e JSD) e diversidade (maior Cobertura e Novidade), mantendo uma baixa Taxa de Invalidade (10,89), produzindo componentes mecânicos estruturalmente plausíveis.

Significado e Limitações

O artigo afirma que o Img2CADSeq avança significativamente o campo da engenharia reversa automatizada ao gerar BReps editáveis e topologicamente válidas em vez de malhas inertes. Ao produzir diretamente arquivos STEP padrão, o método facilita aplicações industriais a jusante, como manufatura e simulação.

Os autores reconhecem modestamente limitações específicas:

• Ambiguidade de Visão Única: Em casos de oclusão severa, o modelo pode alucinar regiões ocluídas que são topologicamente estanques, mas fisicamente impossíveis de fabricar.
• Restrições Globais: Embora características locais sejam capturadas bem, o método carece de restrições globais explícitas, levando a erros potenciais em simetria estrita ou coaxialidade devido ao acúmulo de erros de sequência.
• Limites de Resolução: A resolução intermediária da nuvem de pontos (4.096 pontos) pode fazer com que microestruturas, como roscas ou filetes minúsculos, sejam suavizadas ou omitidas durante o resamplamento.

Trabalho futuro é proposto para integrar Modelos Visão-Linguagem (VLMs) para condicionamento multimodal, permitir edição interativa em estágios intermediários e impor explicitamente restrições geométricas estritas.