具有显式定量约束的CAD数据集

该数据集是用于具有显式定量约束的CAD生成的首个数据集，使用表面积和体积作为目标条件。数据集包含了一系列满足目标几何属性的CAD序列。该数据集的创建旨在解决在CAD设计中生成满足特定几何属性的参数化CAD序列的问题。

This is the first dataset tailored for CAD generation with explicit quantitative constraints, employing surface area and volume as the target conditioning variables. The dataset contains a series of CAD sequences that meet the target geometric properties. This dataset was developed to address the challenge of generating parameterized CAD sequences that satisfy specific geometric attributes in CAD design.

搜集汇总

数据集介绍

构建方式

该数据集基于DeepCAD数据集构建，通过数值积分方法对17.8万个参数化CAD模型进行边界表示分析，精确计算每个模型的表面积和体积作为定量约束条件。在数据处理过程中，采用重复检测与过滤策略，仅保留包含不超过64个参数化CAD令牌的模型，最终形成包含68,219个训练实例、6,327个验证实例和5,652个测试实例的标准化数据集。每个实例均将参数化CAD序列与其对应的几何属性精确配对，为条件感知的参数化CAD序列生成提供直接监督。

特点

该数据集首次引入显式定量约束机制，以表面积和体积作为核心几何属性，填补了现有CAD数据集中定量描述符的空白。数据分布呈现右偏特征，表明多数模型具有较小的面积和体积值，同时通过双轴箱线图分析发现体积值具有更宽的四分位距。关键特性在于几何属性间存在强正相关性，皮尔逊相关系数达到0.82，确保了标签的几何一致性与数据的内在协调性，为定量条件生成研究提供了可靠的基准平台。

使用方法

该数据集支持单条件与多条件约束生成任务的系统评估，使用者可通过提供的几何属性对生成模型进行精确监督。在单条件设置下，模型可单独以表面积或体积作为约束条件；多条件设置则要求模型同时满足表面积和体积的联合约束。评估时采用均方误差、平均绝对误差和皮尔逊相关系数三类指标，分别从制造精度、平均偏差幅度和线性对齐程度三个维度全面衡量模型在几何约束下的生成性能，确保评估体系的严谨性与完整性。

背景与挑战

背景概述

计算机辅助设计生成建模在现代工程实践中扮演着关键角色，推动着制造、可视化与数据管理技术的革新。2025年，四川大学与西安电子科技大学的研究团队联合构建了首个具有显式定量约束的CAD数据集，旨在解决参数化CAD序列生成中的多模态性与参数敏感性难题。该数据集以DeepCAD为基础，通过边界表示分析计算每个模型的表面积与体积，形成了包含68,219个训练样本的标注数据，为定量条件生成奠定了实验基础，显著推动了CAD生成模型在几何属性控制方面的研究进展。

当前挑战

该数据集致力于解决参数化CAD生成中几何属性精确控制的挑战，其核心问题在于如何生成同时满足离散命令逻辑与连续参数约束的CAD序列。构建过程中面临双重困难：一是多模态数据融合的复杂性，离散操作类型与连续参数在统一生成框架中的表示存在固有冲突；二是数据质量控制的敏感性，需通过重复检测与序列长度过滤确保几何约束的严格一致性，避免微小偏差导致建模失效。

常用场景

经典使用场景

在计算机辅助设计领域，具有显式定量约束的CAD数据集为生成式模型提供了精确的几何属性控制基准。该数据集通过将参数化CAD序列与表面积、体积等数值条件配对，支持模型学习在严格约束下生成符合工程规范的几何结构。其典型应用场景包括基于目标属性的条件生成任务，例如根据预设容积要求自动生成机械零件模型，或通过多约束联合控制实现复杂装配体的逆向设计。

实际应用

在工程实践层面，该数据集支撑的生成技术可直接应用于智能制造与数字化设计流程。例如在航空航天领域，可通过预设重量与容积约束生成轻量化结构件；在医疗器械设计中，能根据人体工学参数自动生成定制化植入体模型。这种数据驱动的设计方法大幅缩短了传统CAD建模周期，同时保证了生成结果满足严格的物理属性要求，为自动化设计系统提供了核心技术支撑。

衍生相关工作

该数据集催生了系列创新性研究，其中目标引导贝叶斯流网络通过分解约束更新机制开创了定量生成新范式。相关研究延伸至多模态条件生成领域，如结合点云与文本提示的混合约束方法，以及基于正则化解码器的稳定性增强技术。这些工作共同构建了约束感知的CAD生成技术体系，为后续研究提供了可扩展的理论框架与基准平台。