HiFi-BRep：若何让AI画出真正能用的工业零件图纸

你有没有想过，，，，，，，为什么此刻AI能画出以假乱真的人脸，，，，，，，能天生齐全的3D游戏角色，，，，，，，却很难画出一个能被工厂机床直接读取加工的螺丝钉图纸？？？？？？ 这不是危言耸听。。。。。在推算机辅助设计（CAD）领域，，，，，，，有一种叫做B-Rep的图纸体式，，，，，，，它是所有工业设计软件的尺度说话。。。。。但直到最近，，，，，，，让AI自动天生合格的B-Rep模型，，，，，，，依然是一件成功率动人的事件。。。。。某个业内公认还不错的步骤，，，，，，，天生一百个零件模型，，，，，，，最后能被CAD内核认定为"合格实体"的，，，，，，，只有43个左右。。。。。剩下的五十多个,不是缺了个面,就是边和边接错了处所,或者索性薄得像张纸,连体积都算不出来。。。。。 这篇来自浙江大学、荆门电子科技大学和昭通大学结合团队的论文，，，，，，，标题接锥HiFi-BRep》，，，，，，，讲的就是他们怎么把这个成功率从四成多拉到七成以上的故事。。。。。 天堑暗示法：B-Rep是CAD软件里用来描述三维状态的尺度体式，，，，，，，它不是用像素或者体素堆出一个状态，，，，，，，而是用数学上精确的曲面、曲线和顶点，，，，，，，加上它们之间的衔接关系，，，，，，，来界说一个立体模型。。。。。 打个譬喻，，，，，，，若是你要向别人描述一个纸箱子，，，，，，，你能够说"这是六个面拼起来的，，，，，，，每条边被两个面共享，，，，，，，每个角有三条边交汇"，，，，，，，这就是B-Rep的思路：用几何加拓扑（也就是这些几何元素怎么衔接）来精确界说状态。。。。。这种暗示法的益处是极其精确，，，，，，，弊端是规定极其严格：每条边必须正好衔接两个顶点，，，，，，，每条边必须正好被两个面共享，，，，，，，少一个多一个都不能，，，，，，，这就是所谓的"流形约束"。。。。。 流形约束：指的是一个三维实体必须满足的几何拓扑规定，，，，，，，好比每条棱边刚好被两个面共享、模型内部没有缝隙或自订交，，，，，，，只有满足这些规定，，，，，，，模型能力被称为"合法的实体"而不是一堆漂浮的碎片。。。。。 这就是难点地点。。。。。天生一张人脸图片，，，，，，，哪怕某个像素色彩算错了，，，，，，，人眼也不定能看出来，，，，，，，容错空间很大。。。。。但天生B-Rep模型，，，，，，，只有有一条边的归属搞错了，，，，，，，整个模型在CAD软件里可能直接报错，，，，，，，连打开都打不开，，，，，，，更别说拿去3D打印或者数控加工了。。。。。论文里管这个叫"谬误会像多米诺骨牌一样连锁崩塌"。。。。。 先说暗示层面的问题。。。。。早期步骤好比SolidGen和BRepGen，，，，，，，处置一个麻烦事：分歧的零件，，，，，，，面和边的数量是不一样的，，，，，，，有的零件六个面，，，，，，，有的二十几个面，，，，，，，神经网络喜欢处置固定长度的数据，，，，，，，那怎么办？？？？？？最单一粗鲁的法子就是"填充"，，，，，，，把短的序列用没有意思的占位符补齐到统一长度。。。。。 填充噪声：为了让分歧长度的数据序列造成统一长度，，，，，，，用无意思的占位符号添补空缺地位，，，，，，，但这些占位符自身不携带真实信息，，，，，，，混入网络训练后会带来滋扰。。。。。 这就好比你要给一个班级拍集体照，，，，，，，有的班30人有的班45人，，，，，，，为了排版整齐，，，，，，，你往30人的班里硬塞了15个穿戴灰色衣服的假人充数。。。。。拍照机（也就是神经网络）分不清哪些是真学生哪些是灰衣假人，，，，，，，训练久了它可能会把"灰色衣服的存在"也当成某种法规去进建，，，，，，，这就是暗示传染的起源。。。。。若是不填充，，，，，，，直接用变长序列训练，，，，，，，网络结构会变得极其复杂，，，，，，，工程上险些没法扩大，，，，，，，这是从前步骤不得不当协的原因。。。。。 后来的工作，，，，，，，好比HoLa和DTGBrepGen，，，，，，，意识到填充噪声的问题，，，，，，，转而引入拓扑先验，，，，，，，也就是让边和面之间的衔接关系参加到编码过程里。。。。。这个方向是对的，，，，，，，但操作起来出了新问题。。。。。 HoLa这个步骤为了保障天生的边肯定是"流形合法"的，，，，，，，用了一个很奇妙的法子：只在两个面之间做一次单一的订交测试，，，，，，，直接算出一条共享边。。。。。这个设计极度干净利落，，，，，，，但价值是它如果两个面之间只能有一条共享边。。。。。？？？？？上质凳澜绲牧慵时时不是这样。。。。。论文里专门做了统计，，，，，，，在ABC这个工业数据集里，，，，，，，把周期性的接缝拆开之后，，，，，，，有63.37%的模型里存在某两个面共享不止一条边的情况。。。。。也就是说，，，，，，，超过六成的真实零件，，，，，，，HoLa的这套如果从根子上就不成立。。。。。 再看DTGBrepGen，，，，，，，它试图解决拓扑合法性问题，，，，，，，但走的是多阶段级联的路子：先天生一部门，，，，，，，再天生另一部门，，，，，，，一步步往下传。。。。。这就产生了论文里说的"天生脆弱性"：前面阶段天生错了，，，，，，，后面阶段是没法回头建改的，，，，，，，误差会一向往下传。。。。。并且好多步骤把"合法性查抄"这件事放在天生实现之后，，，，，，，用后处置的方式打补丁。。。。，，，，而不是在训练阶段就让网络领略什么是合法的什么长短法的。。。。。这就造成了训练和推理之间的"错位"，，，，，，，网络训练的时辰没被教过要遵守规定，，，，，，，到了现实天生的时辰却指望它自觉守端正，，，，，，，这自身就是矛盾的。。。。。 论文提出的规划分成两部门，，，，，，，一个是沉新设计输入暗示和编码器，，，，，，，解决暗示脆弱性；；；；；；另一个是沉新设计解码器，，，，，，，解决天生脆弱性。。。。。 贝塞尔曲线/曲面：一种用少量节造点就能界说出光滑曲线或曲面的数学暗示步骤，，，，，，，宽泛用于图形学和工业设计中，，，，，，，好比你在PPT里拖动锚点画出的圆滑曲线，，，，，，，背后往往就是贝塞尔曲线的道理。。。。。 这个选择聪明在哪里？？？？？？由于一条贝塞尔曲线天然带着两个端点，，，，，，，而这两个端点直接就是这条边衔接的两个顶点。。。。。也就是说，，，，，，，只有你天生了一条合法的贝塞尔曲线，，，，，，，"每条边衔接两个分歧的顶点"这条文则就自动满足了，，，，，，，底子不必要额表去查抄。。。。。这是一种把约束"焊死"在暗示里的思路，，，，，，，而不是天生完之后再去查抄建补。。。。。 除了几何暗示，，，，，，，论文还引入了一个显式的边面邻接矩阵，，，，，，，直接纪录哪条边属于哪个面。。。。。这个矩阵寂酌来领导编码过程，，，，，，，也直接作为解码指标。。。。。 拓扑疏导把稳力：在神经网络处置边和面的特点时，，，，，，，强造划定只有拓扑上真正相邻的边和面之间能力相互"看见"对方、互换信息，，，，，，，不相邻的一律屏蔽，，，，，，，通过在把稳力推算里加一个硬性掩码来实现。。。。。 为什么要这么做？？？？？？由于若是任由所有的边和所有的面互订互换信息，，，，，，，网络的确能学到更丰硕的全局关系，，，，，，，但同时也会把大量不有关的信息搅拌进来。。。。。论文举了个例子，，，，，，，若是为了分析工作去传布多跳邻居的信息，，，，，，，这对理解整体结构是有益处的，，，，，，，但对于天生工作来说，，，，，，，你真正必要预测的只是"这条边到底挨着哪两个面"这种最直接的一阶关系，，，，，，，有余的信息反而成了噪声。。。。。 这就好比你在开一个部门会议，，，，，，，会商的是市场部和产品部之间的一个具体对接问题。。。。。这时辰若是把整个公司所有部门的人都拉进会议群里讲话，，，，，，，理论上信息更全，，，，，，，但现实上大部门讲话都是噪声，，，，，，，真正有关的两个部门的定见反而被覆没了。。。。。若是不加这层限度，，，，，，，直接让所有信息自由流动，，，，，，，网络在预测邻接关系时就会被无关信息滋扰，，，，，，，正确率降落。。。。。论文的消融尝试证了然这一点：去掉编码器里的拓扑掩码后，，，，，，，邻接矩阵的正确率从97.5%掉到92.7%，，，，，，，最平天生的有效率从95.2%跌到89.5%。。。。。 可进建查问：一组数量固定、参数可训练的向量，，，，，，，它们像若干个"提问者"一样自动去关注输入序列里的所有真实token，，，，，，，把变长的信息聚合压缩成固定长度的输出，，，，，，，而不必要用无意思的占位符填满序列长度。。。。。 这就好比之前那个拍集体照的迸作，，，，，，，若是你不想用假人充数，，，，，，，另一个法子是雇几个专业摄影师，，，，，，，无论班级是30人还是45人，，，，，，，他们都掌管走进班级把每个真实学生的信息采集下来，，，，，，，最后统一整顿成一份尺度体式的汇报，，，，，，，汇报的篇幅是固定的，，，，，，，但里面装的满是真实信息，，，，，，，没有一个字是假造出来充数的。。。。。这样处置之后，，，，，，，潜在空间里就不会再有填充噪声的传染。。。。。 单阶段解码：不再选取先天生一部门内容、再凭据这部门内容天生下一部门的接力方式，，，，，，，而是让模型在统一个推算过程里，，，，，，，并行地把面的几何状态、边的几何状态、以及边和面之间的衔接关系一次性全数预测出来，，，，，，，让几何信息和拓扑信息相互参考、共同决定最终了局。。。。。 这个设计背后的逻辑是这样的：几何和拓扑其实是相互影响的，，，，，，，一个面的状态会限度它能衔接哪些边，，，，，，，反过来边的衔接关系也会限度面应该长成什么样。。。。。若是非要先做一个再做另一个，，，，，，，那就相当于先斩后奏，，，，，，，前面做错的决定后面没有法子反悔。。。。。论文做了一个对照尝试，，，，，，，专门验证这个如果：把单阶段解码换成"先解码几何、再用一个独立模？？？？？榇Ф韧仄"的两阶段流程，，，，，，，了局邻接正确率从97.5%骤降到73.2%，，，，，，，最终有效率从95.2%掉到69.3%，，，，，，，这是所有消融尝试里降幅最大的一项。。。。。 这组数字注明什么？？？？？？注明几何和拓扑分隔做不仅仅是效能问题，，，，，，，而是从底子上限度了模型能达到的上限。。。。。就像你不能指望一个构筑师先把楼盖好，，，，，，，再让另一幼我过后去调整承沉结构和门窗地位的对应关系，，，，，，，结构问题必须在设计阶段就一路思考。。。。。 行级双峰指标：在预测每条边到底衔接哪两个面时，，，，，，，模型对每一条边输出一整行的匹配分数，，，，，，，这一行的分数经过归一化处置后，，，，，，，被要求把概率质量集中分配在真正相邻的那两个面上，，，，，，，形成两个"峰值"，，，，，，，其余面的分数则被压低。。。。。 这个设计直接把"每条边刚好衔接两个面"这条硬性规定，，，，，，，造成了一个能够用梯度下铰反优化的训练指标。。。。。之前若是用通常的独立二分类方式去预测每一对边和面是否相邻，，，，，，，固然推理时依然能够报答划定"只选分数最高的两个"，，，，，，，但训练过程中并没有要求这些分数之间相互竞争、此消彬长，，，，，，，了局就是分数校准得不够准，，，，，，，容易把不该选的面也误判进前两名。。。。。论文的消融尝试显示，，，，，，，把双峰指标换成通常的独立交叉熵损失后，，，，，，，邻接正确率从97.5%降到90.4%，，，，，，，有效率从95.2%降到87.2%。。。。。 这就好比一场提拔考试，，，，，，，若是满分是100分，，，，，，，只是单一地通知每幼我"你合格了或者你没合格"，，，，，，，那么多幼我可能都刚好卡在合格线左近，，，，，，，很难精确排出前两名。。。。。但若是换一种方式，，，，，，，让所有人的得分必须加起来蹬宗一个固定总数，，，，，，，且规定明确写着"只有前两名能拿到奖学金"，，，，，，，那么打分的人天然会更审慎地去拉开第一名、第二名和第三名之间的差距，，，，，，，排序了局天然更靠得住。。。。。 论文里还提到，，，，，，，解码器一路头先预测这个零件到底有几个面几条边，，，，，，，用这个数字先划定一个"有效领域",这个领域之表的地位在后续所有推算里城市被强造屏蔽掉，，，，，，，相当于先确定好画布的大幼。。。。，，，，再往里面填内容，，，，，，，预防了序列长度自身的不确定性给后续预测带来混乱。。。。。 在DeepCAD数据集上，，，，，，，HiFi-BRep达到了72.20%的有效率，，，，，，，是所有对譬喻法里最高的，，，，，，，同时MMD-CD（一种衡量天生散布和真实散布之间几何距离的指标）也是最低的1.05，，，，，，，注明天生的状态不仅合法率高，，，，，，，长得也更像真实数据。。。。。作为对比，，，，，，，此前阐发较强的DTGBrepGen有效率是43.20%，，，，，，，BRepGen只有20.76%，，，，，，，BrepDiff是63.69%。。。。。 论文里出格强调了一个叫"可编译率与有效率之间的差距"的指标。。。。。？？？？？杀嘁肼手傅氖翘焐奈募能不能被CAD软件正常打开导出，，，，，，，有效率则要求打开之后还得是一个真正水密无缝、拓扑合法的实体。。。。。这两者之间的差距越幼。。。。，，，，注明"看起来能用"和"真正能用"越靠近。。。。。DTGBrepGen在DeepCAD上这个差距是49.28个百分点，，，，，，，也就是说靠近一半能打开的文件其实内部结构是有问题的，，，，，，，而HiFi-BRep的差距只有18.18个百分点。。。。。 推理速度上，，，，，，，HiFi-BRep每天生一个零件均匀耗时3.83秒，，，，，，，比BRepGen的8.09秒快2.1倍，，，，，，，比DTGBrepGen的23.55秒快6.2倍，，，，，，，比BrepDiff的26.28秒快6.9倍。。。。。之所以快，，，，，，，是由于它不必要像其他步骤那样，，，，，，，天生完之后再花大量功夫去做面片拟合或者网格订交这类耗时的后处置，，，，，，，单阶段设计自身就省掉了好多来回折腾的步骤。。。。。 论文还做了一个很切实的靠得住性验证，，，，，，，依照零件的面数量分组统计沉建有效率。。。。。了局显示,哪怕是训练数据里样本数量很稀少的高面数零件（好比二十几个面的复杂零件），，，，，，，有效率依然能维持在61.5%以上,没有出现"常见情况阐发好、罕见情况直接崩溃"的景象,这注明模型学到的是几何和拓扑之间真正的内涵法规,而不是死记硬背训练集里出现次数最多的那几种状态。。。。。 除了随机天生之表，，，，，，，这套系统还支持凭据前提来天生模型，，，，，，，好比给一个类别标签，，，，，，，让它天生对应类此外家具；；；；；；给一张点云（三维空间里采样出来的一堆点），，，，，，，让它据此还原出齐全的实体模型；；；；；；甚至给一张单视角的图片，，，，，，，或者一张手绘的线框草图，，，，，，，它也能天生对应的B-Rep模型。。。。。这背后用的是扩散模型的技术路线。。。。。 潜在扩散模型：一种先把复杂数据压缩到一个低维的"潜在空间"，，，，，，，再在这个潜在空间里训练一个逐步去噪的天生过程的技术框架，，，，，，，先前爆红的好多图片天生工具背后都用的是这套思路，，，，，，，这篇论文把它挪用到了三维CAD模型的天生上。。。。。 前提信息通过一种叫自适应层归一化的技术注入到扩散过程中，，，，，，，图片用DINOv2这个预训练视觉模型编码，，，，，，，点云用PointNet++编码。。。。。论文的补充资料里展示了大量前提天生的案例，，，，，，，蕴含从部门残破的点云里补全整个零件状态，，，，，，，从多视角图片里复原更精密的细节，，，，，，，这些了局都批注这套统一的潜在暗示的确具备相当强的泛化能力。。。。。 论文还专门做了一个查沉尝试，，，，，，，随机抽取500个天生的模型，，，，，，，用几何距离和视觉类似度别离去训练集里检索最类似的样本，，，，，，，了局显示检索出来的训练样本固然整体概括靠近，，，，，，，但在具体的孔洞排布、接缝细节上都和天生了局存在显著差距，，，，，，，注明模型不是单一地在背诵训练数据，，，，，，，而是真的学到了能够自由组合、举一反三的能力。。。。。 论文自己也很坦诚地列出终局限。。。。。目前这套系统只针对封关、水密的实体模型，，，，，，，对于盛开天堑的零件、多零件组装成的复杂装配体、或者非流形结构，，，，，，，临时还处置不了。。。。。另表，，，，，，，即便设计了这么多约束，，，，，，，偶然依然会出现建剪失败导致某个面迷失、顶点归并后产生非流形衔接、节造点前提欠安导致出现退化面片这类问题，，，，，，，这些残存谬误刚好诠氏缢为什么可编译率和有效率之间依然存在那18个百分点的差距，，，，，，，注明真正精确的曲面裁剪和订交推算，，，，，，，最终还是要交给底层的CAD几何内核去兜底。。。。。 读完这篇论文，，，，，，，最让我印象深刻的其实是那个"两个面共享多条边"的统计数字。。。。。63.37%的真实工业零件里存在这种情况，，，，，，，这个比例远超我的直觉。。。。。我正本以为这是一种边缘情况，，，，，，，没想到它才是常态。。。。。这也提醒我一件事：好多看起来优雅的技术简化，，，，，，，背后可能偷偷丢掉了大部门真实场景。。。。。HoLa那个"一次订交测试对应一条边"的设计的确很美丽，，，，，，，但美丽的价值是它其实只覆盖了不到四成的真实情况，，，，，，，这种弃取在论文里往往一笔带过，，，，，，，但对现实落地的影响是巨大的。。。。。 另一个值得斟酌的处所是，，，，，，，这篇论文反复在强调一件事：约束不应该是训练完之后打的补丁。。。。，，，，而应该从暗示设计的那一刻起就焊死在结构里。。。。。贝塞尔曲线自带两个端点这个个性，，，，，，，看起来是个很幼的技术选择，，，，，，，但它直接省掉了后续单独验证顶点合法性的一整套逻辑。。。。。这种"用数据结构自身来扑灭一类谬误"的思路，，，，，，，其切实好多工程领域都通用,只是往往被忽视。。。。。 A：HiFi-BRep是浙江大学、荆门电子科技大学和昭通大学团队提出的一种B-Rep（天堑暗示法）三维模型天生框架，，，，，，，通过沉新设计编码器和解码器结构，，，，，，，同时解决了以往步骤在暗示噪声和天生误差累积上的两大问题，，，，，，，在结构合法率和几何精度上都超过了此前的步骤。。。。。 A：在DeepCAD数据集上有效率达到72.20%，，，，，，，显著高于DTGBrepGen的43.20%和BRepGen的20.76%；；；；；；天生速度也更快，，，，，，，每个零件均匀耗时3.83秒，，，，，，，比其他步骤快2到7倍；；；；；；同时支持点云、图片、类别标签等多种前提天生。。。。。 A：目前重要针对封关水密的单一实体模型，，，，，，，对盛开天堑零件、多零件装配体以及非流形结构还无法处置，，，，，，，同时在极少数情况下仍会出现建剪失败或非流形衔接等残存谬误，，，，，，，这也是将来必要持续改进的方向。。。。。