TransCAD: A Hierarchical Transformer for CAD Sequence Inference from Point Clouds

本文提出了TransCAD，这是一种基于Transformer的端到端架构，可以从点云中预测CAD序列。TransCAD利用CAD序列的结构，采用分层学习策略。同时，还引入了循环细化器来回归草图基元参数。在DeepCAD和Fusion360数据集上进行了严格的实验，结果表明TransCAD达到了最先进的效果。文章提出了CAD序列的平均精度均值作为一种度量CAD序列的指标，以解决现有度量方法的局限性。3D反向工程是一个研究方向，通过给定物体的3D扫描来推断CAD模型，具有许多有前途的实际应用。

TransCAD试图解决3D反向工程中从点云到CAD序列的转换问题，这是一个具有挑战性的任务，因为点云中的信息往往是不完整和嘈杂的。

TransCAD是一种基于Transformer的端到端架构，通过使用分层学习策略来利用CAD序列的结构，从而预测CAD序列。此外，还引入了一个循环细化器来回归草图基元参数。

论文使用DeepCAD和Fusion360数据集对TransCAD进行了严格的实验，结果表明TransCAD达到了最先进的结果。论文还提出了CAD序列的平均精度均值指标，以解决现有指标的局限性。此外，论文还开源了代码。

在这个领域中，最近的相关研究包括：PointNet、PointNet++、DGCNN和PointCNN等。