Query2CAD: Generating CAD models using natural language queries

计算机辅助设计（CAD）工程师通常不能在一次尝试中获得最佳原型。相反，他们通过多次修改和完善设计来实现最优解。这种传统方法虽然有效，但耗时，并且严重依赖于熟练工程师的专业知识。为了解决这些挑战，我们介绍了Query2CAD，一种新颖的生成CAD设计的框架。该框架使用大型语言模型生成可执行的CAD宏。此外，Query2CAD通过自我完善循环进一步完善CAD模型的生成。Query2CAD无需监督数据或额外的训练，使用LLM作为生成器和完善器。完善器利用BLIP2模型生成的反馈，并为了解决假阴性问题，我们将人类参与反馈纳入了我们的系统。此外，我们开发了一个包括CAD模型设计中使用的大多数操作的数据集，并使用此数据集评估了我们的框架。我们的研究结果显示，当我们将GPT-4 Turbo作为我们的语言模型时，该架构在第一次尝试中的成功率为53.6％。通过后续的完善，成功率提高了23.1％。特别是在第一次完善迭代中，成功率的最大提高。随着后续的完善，正确设计的准确性没有显著提高。我们已将我们的数据、模型和代码开源（github.com/akshay140601/Query2CAD）。

Query2CAD: 一个用于生成CAD设计的新框架，试图解决传统CAD工程师需要多次迭代和精通技能的问题。

使用大型语言模型生成可执行的CAD宏，并使用自我完善循环来优化CAD模型的生成。同时，使用BLIP2模型的反馈和人机交互反馈来解决假阴性问题。

使用GPT-4 Turbo作为语言模型，第一次尝试的成功率达到53.6％。随着后续的完善，成功率增加了23.1％。在第一次迭代中，成功率的最大提高，但随着后续的完善，正确设计的准确性并没有显著提高。研究团队已经开源了数据、模型和代码。

最近的相关研究包括使用深度学习生成CAD模型的方法，如DeepCAD和GAN-based方法。