研究人员开发了一种新颖的级联离散扩散框架，以改进计算机辅助设计（CAD）生成。该方法通过直接在离散 CAD 标记而非连续嵌入上操作来解决现有方法的局限性，而连续嵌入通常会导致无效符号。该框架采用独立的命令和参数扩散过程，利用专门的转移矩阵来处理 CAD 数据的异构性质。在 DeepCAD 数据集上的实验表明，与先前的自回归和连续扩散模型相比，其性能更优。 AI
影响 引入了一种用于离散数据生成的新型扩散模型架构，有望改进自动化设计流程。
排序理由 学术论文，详细介绍了用于 CAD 生成的新型扩散模型框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.05031v1 Announce Type: new Abstract: Recent deep learning approaches seek to automate CAD creation by representing a model as a sequence of discrete commands and parameters, and then generating them using autoregressive models or continuous diffusion operating in Eucli…
Recent deep learning approaches seek to automate CAD creation by representing a model as a sequence of discrete commands and parameters, and then generating them using autoregressive models or continuous diffusion operating in Euclidean embedding space. However, continuous diffus…