计算机学院智能可视建模与仿真(iGame)实验室荣获 ACM MM 2026 杰出论文奖

发布者:姚可欣发布时间:2026-11-17浏览次数:10

11月10日至14日,第34届ACM国际多媒体会议(ACM MM 2026)在巴西里约热内卢举行。计算机学院智能可视建模与仿真(iGame)实验室团队完成的论文《PrimitiveCAD: An LLM-Based Point-to-CAD Reconstruction with Primitive-Aware Tokenization and Operation Alignment》获大会杰出论文奖(Outstanding Paper Award),并入选口头报告(Oral)。 ACM MM是中国计算机学会(CCF)推荐的A类国际学术会议。根据会议奖项政策,杰出论文奖按主题方向从录用论文中遴选,获奖论文数量约占录用论文总数的5%。该论文第一作者为博士研究生高健,由徐岗、许金兰和许佳敏等老师共同指导,许佳敏、徐岗为共同通讯作者。

ACM MM 2026 杰出论文奖证书

该研究提出PrimitiveCAD框架,使大语言模型能够根据点云生成可执行的Python(CadQuery)程序,运行后即可获得参数化CAD模型。具体而言,研究团队首先利用CAD基元标注与表面法向监督训练点云编码器,提升模型对圆柱、长方体等局部结构的识别能力;随后在监督微调阶段,将生成程序与参考程序中关键建模操作的出现次数进行对齐,以减少操作遗漏或冗余造成的形状偏差;在强化学习阶段,进一步比较重建模型与参考模型在直线、圆弧和圆等特征线上的差异,以保留孔洞、直角等局部细节。

PrimitiveCAD 方法框架

在DeepCAD和Fusion360两个公开基准上,PrimitiveCAD在单次生成且未经强化学习微调的设置下,重建模型与参考模型的体积交并比(IoU)分别达到90.9%和84.9%;相同训练数据下,对比方法Cadrille分别为86.6%和76.5%。在Fusion360的强化学习实验中,PrimitiveCAD的IoU进一步提升至86.6%,无法生成有效三维实体的程序比例降至0.06%。该方法可为零部件逆向建模和工业设计中的模型编辑提供支持。

本研究得到国家重点研发计划工业软件专项、浙江省“尖兵”“攻关”计划项目、国家自然科学基金等项目资助。团队在智能可视建模与仿真、设计仿真类工业软件等方向取得多项创新成果,已指导多名学生在ACM TOG、TIP、TVCG、CMAME、CAD、CVPR、AAAI、IJCAI、ACM MM等国际高水平期刊及会议上发表论文,并与中国空气动力研究与发展中心、华为2012实验室、航天五院、吉利创新中心、中国商飞(北研中心)、中物院等重要单位开展广泛深入的产学研合作。


联系我们
地址:地址: 第一教学楼南楼307
电话:0571-86919113
邮箱:computer@hdu.edu.cn
Copyright © 2025 计算机学院. All rights reserved.