告别手动建模!深大团队突破性成果:多模态输入秒出参数化CAD模型

摘要：CAD参数化三维模型是一种基于参数驱动的三维建模技术，通过定义几何图形之间的关联关系、尺寸约束和逻辑规则，使设计模型能够自动响应参数的变化。其核心在于“参数化”：模型的形状、尺寸和结构由变量（参数）控制，修改参数时，相关联的几何特征会自动更新。作为更紧凑和结构

告别手动建模！

深圳大学突破性成果！

用了这个叫HoLa-BRep的神器

连小白都能玩转专业3D设计——

不用懂拓扑几何

不用手动调参数

只需画个草图

打段文字描述

多模态输入

……

参数化CAD模型！

可编辑版！

秒出！

快来围观~

深圳大学计算机与软件学院

可视计算研究中心

黄惠教授团队最新研究成果

“B-Rep Generation using a Holistic Latent Representation“

已被计算机图形学国际顶尖会议

SIGGRAPH 2025收录

并同时发表在国际计算机图形学

唯一旗舰顶刊

ACM Trans. on Graphics 上

实现几何与拓扑的联合表征

从图像草图点云文本等条件

直接就能生成可编辑的

参数CAD模型！

↓ ↓ ↓

“HoLa-BRep”

让我们来听听

研究团队的专业解释~

1. CAD参数化三维模型是什么? 有啥用？

CAD参数化三维模型是一种基于参数驱动的三维建模技术，通过定义几何图形之间的关联关系、尺寸约束和逻辑规则，使设计模型能够自动响应参数的变化。其核心在于“参数化”：模型的形状、尺寸和结构由变量（参数）控制，修改参数时，相关联的几何特征会自动更新。作为更紧凑和结构化的表示，CAD参数化三维模型能够促进编辑、分析和交互操作，在设计、工程、机器人甚至电子商务等领域的使用尤为普遍。

2. 边界表示（B-Rep）又是什么？

边界表示（B-Rep）由参数化基元（曲面、曲线和顶点）及其拓扑关系组成，是CAD采用的最基本的3D形状格式。

3. 生成边界表示模型有什么难的？

边界表示的特点是其基元的连续几何参数及其拓扑关系的组合，这些参数本质上是离散的，难以实现统一结构化的表征，使得从图像、点云、草图、文本等条件直接生成有效的边界表示模型成为一道难题。

我们的算法“牛”在哪里？

1.实现B-Rep的紧致统一表征，不再需要分离式编码：现有的B-Rep表征模型分别对点、线、面进行特征编码，在生成阶段通过条件网络实现不同层级拓扑基元的组合，这种表征形式缺乏明确的拓扑约束或先验，并且存在多步骤生成导致错误累积的问题。而我们所提出的隐式相交模块，能够实现几何与拓扑的联合编码，增强了编码的紧致性，生成B-Rep模型无需再对点、线、面进行分离式编码。

图1.1 不同于以往方法分别对点线面进行编码训练生成模型，HoLa-BRep将点线面映射到了统一的隐空间内，将所需要训练的模型数量从6个降为2个，巧妙摆脱了模型间复杂的依赖关系

图1.2 HoLa-BRep提出的神经相交模块高效地将参数曲面和曲线的信息联合到了一起

具体来说，我们使用一个变分自编码器（VAE）来学习这个统一的隐空间。我们分别将表面和曲线表示为B样条曲面和B样条曲线并对其进行均匀点采样。编码器网络首先分别对表面和曲线基元的均匀采样点进行几何编码，得到表面特征（ƒs）和曲线特征（ƒc），然后通过自注意力和跨注意力机制进行融合，生成拓扑感知的表面特征，并进一步将特征隐空间建模为高斯分布。

在解码过程中，我们引入了一个神经相交模块，利用给定的两个表面隐向量，识别其相交情况并恢复出对应相交的曲线几何。这样不仅可以从隐向量中恢复出表面，还能同时恢复出曲线及其与表面的拓扑连接关系。与之前的方法相比，这种方式大大简化了网络架构，只需学习单个表面对之间的相交关系，而不需要处理各种基元之间复杂的拓扑选择问题。整个自编码器的训练通过重建损失和KL散度损失进行监督，学习到几何与拓扑的融合特征，从而得到一个统一且富有表现力的隐空间。这样的隐式表示不仅可以用于B-Rep的重建，还可以作为后续生成任务的基础，利用隐式空间扩散模型（LDM）进行有条件和无条件的B-Rep生成。

图1.3 HoLa-BRep的网络架构图

2. 利用B-Rep几何与拓扑的联合编码器所编码的B-Rep表征，结合隐式空间扩散模型，我们可以轻松地实现无条件或有条件生成B-Rep模型，并有效提升B-Rep模型生成的有效性。

图2.1 HoLa-BRep生成的B-Rep模型展示

图2.2 HoLa-BRep的结构化隐空间显著的提升了生成B-Rep模型的有效性

3. 实现从点云、图像、草图、文本等多种模态条件生成B-Rep：利用“B-Rep的几何连续性特征与拓扑离散性特征的联合自编码器”，我们可以将表面、曲线等不同基元类别的几何特征和拓扑连接关系统一编码到一个隐空间中。进一步我们采用隐式空间扩散模型，从不同的条件输入（如单视图图像、多视图图像、点云、草图、文本描述）注入扩散生成模型，去噪生成B-Rep隐向量，解码即可重新构建B-Rep模型。

图3.1 HoLa-BRep将不同条件数据映射到统一的隐变量并注入到生成模型训练中，实现从各模条件中生成B-Rep模型

图3.2 HoLa-BRep从文本生成B-Rep模型

图3.3 HoLa-BRep从点云中生成B-Rep模型

图3.4 HoLa-BRep从真实扫描的点云中生成B-Rep模型

图3.5 HoLa-BRep也可以从单视角图片、多视角图片和草图中恢复出正确可靠的B-Rep模型

总的来说，本研究所提出的几何与拓扑联合隐式表示为B-Rep的学习和生成带来了显著改进，能够更好地捕捉B-Rep的完整性和一致性，能够为后续的3D重建和生成任务奠定了良好基础。相比之前的多步骤管线，该方案只需要训练一个扩散模型即可实现B-Rep的条件生成，大幅提高了效率和灵活性，这对于实际应用中的需求变化非常有利。在定性和定量评估中，所提方案生成的B-Rep在几何和拓扑指标上均优于现有方法。

三维参数化CAD模型的自动生成技术是计算机图形学与生成式AI交叉领域的重要研究方向，其核心意义在于突破传统CAD建模依赖专业人员手动操作、效率低下的瓶颈，通过AI驱动实现设计流程的智能化变革。该技术可显著降低设计门槛，使非专业用户通过自然语言或草图快速生成符合工程约束的模型，同时支持设计探索阶段的快速迭代。在智能制造与数字孪生场景中，跨模态交互（文本/图像→CAD）进一步推动了工业4.0中人机协同的柔性生产。

快来试试吧！

论文已经在ArXiv上线，欢迎各位技术大佬来围观！不仅如此，研究团队还特别准备了一个Huggingface WebUI，让大家可以轻松上手体验！

- Project:

- ArXiv:

- Huggingface WebUI：

HoLa-BRep

就像CAD界的“翻译官”

把抽象的图片/文字/草图

变成精准的工业级3D模型

还自带编辑属性噢~

设计师能省下80%重复劳动

制造业快速原型开发再提速