StepCAD 用状态条件策略加 IoU 引导树搜索，把网格重建为可执行 CAD 程序，相对 IoU 最高提升 87.2%
相关研究与后续进展
核心概要
该工作提出 StepCAD，一种结合状态条件 CAD 策略与几何引导搜索的生成式优化方法，给定输入网格后由策略在目标几何与中间几何条件下预测构造动作，并用 IoU 引导的树搜索通过局部编辑精化程序，同时发布含 150 万个可执行 CAD 程序、最长 150+ 计数操作序列与 1250 万条中间状态-动作转移的 ARCADE-1.5M 数据集；在多个 CAD 重建基准上取得最优几何重建精度并保持高有效性，相对 IoU 较最强被评估基线最高提升 87.2%，复杂形状上增益尤其明显。
Figure 1: ARCADE-1.5M: large-scale synthetic CAD program generation. Our pipeline synthe- sizes diverse long-horizon CAD programs through stochastic strategy-guided composition of sketch primitives and CAD operations. Each program is executed and validated, yielding 1.5M executable programs and 12.5M intermediate construction states with broad operation diversity.
arXiv · 第 4 页深度剖析
提出 StepCAD，将网格到 CAD 程序的重建表述为生成式优化：状态条件策略预测构造动作，IoU 引导的树搜索通过局部编辑精化程序。 相较许多单次预测完整程序、且主要依赖草图-拉伸表示的学习方法，该框架在重建过程中保留修正几何误差的机会，并扩展了操作多样性。 摘要说明策略同时以目标几何与中间几何为条件，搜索以 IoU 为引导进行局部编辑；具体搜索宽度、编辑算子与策略架构未在给定文本中展开。
发布 ARCADE-1.5M 大规模数据集，包含 150 万个可执行 CAD 程序、最长 150+ 计数操作的序列以及 1250 万条中间状态-动作转移。 该数据集覆盖多样操作并显式记录中间状态-动作转移，为状态条件策略与搜索式精化提供训练与评估资源。 规模与构成由摘要直接给出；数据来源、许可与划分方式未在给定文本中说明。
在多个 CAD 重建基准上，StepCAD 取得最优几何重建精度并保持一贯的高有效性，相对 IoU 较最强被评估基线最高提升 87.2%，复杂形状增益尤其大。 相对既有单次预测方法，该结果把精度提升与有效性保持同时报告，并指出增益随形状复杂度上升。 证据为多基准实验与相对 IoU 提升幅度；具体基准名称、基线集合、有效性指标定义与逐类结果未在给定文本中列出。
启示与展望
该工作面向从 3D 网格恢复可执行 CAD 程序的场景，适用于需要操作多样性与重建中纠错的建模流程；其收益在复杂形状上尤为突出，说明方法定位偏向构造步骤多、几何细节丰富的对象。ARCADE-1.5M 的发布使状态条件策略与搜索式精化可在统一数据上进行训练与比较，为后续在更长操作序列与更多操作类型上的研究提供基础。对读者而言，若关注逆向工程、设计复用或 CAD 生成式建模，该结果给出了精度与有效性可同时提升的一条路径。
给定文本为摘要级信息，未列出具体基准名称、被评估基线集合、有效性指标定义与逐类形状结果，因此 87.2% 相对 IoU 提升所对应的比较条件仍需在正文中确认。ARCADE-1.5M 的数据来源、许可、划分与去重策略未在文本中说明，影响对其覆盖偏差的判断。搜索的计算开销、局部编辑算子集合与策略架构细节同样未给出，这些是评估可复现性与扩展性的开放问题。