论文页面 - HiFi-BRep：高保真隐表示用于鲁棒B-Rep生成

来源：https://huggingface.co/papers/2608.16485

摘要

HiFi-BRep通过采用拓扑感知编码器和单阶段解码器来改进B-Rep合成，该解码器能结合可微有效性约束共同预测几何与拓扑。

边界表示（https://huggingface.co/papers?q=Boundary%20representation）B-Rep（https://huggingface.co/papers?q=B-Rep）生成是计算机辅助设计中的基本任务，但直接合成高保真且结构有效的B-Rep（https://huggingface.co/papers?q=B-Rep）仍是一大挑战。现有的深度生成方法存在两类脆弱性：表示脆弱性（由潜在空间中的填充噪声和特征污染导致）与生成脆弱性（源于序列化误差传播及因不可微有效性强制导致的训练-推理不匹配）。我们提出HiFi-BRep，这是一个通过两项协同贡献解决这些局限性的新型框架。首先，拓扑感知编码器（https://huggingface.co/papers?q=topology-aware%20encoder）通过可学习查询（https://huggingface.co/papers?q=learnable%20queries）消除填充并借助拓扑引导注意力（https://huggingface.co/papers?q=topology-guided%20attention）防止特征污染，从而构建高保真隐表示。其次，单阶段解码器（https://huggingface.co/papers?q=single-stage%20decoder）并行联合预测几何与拓扑，将核心流形约束（https://huggingface.co/papers?q=manifold%20constraints）作为可微学习目标（https://huggingface.co/papers?q=differentiable%20learning%20objective）嵌入。此设计确保几何与拓扑间的相互引导，同时避免级联误差。大量实验表明，HiFi-BRep在结构有效性与几何保真度方面均显著优于现有最先进方法，为高质量B-Rep（https://huggingface.co/papers?q=B-Rep）合成提供了鲁棒解决方案。代码与模型已公开于 https://github.com/1nnoh/HiFi-BRep。

查看arXiv页面 (https://arxiv.org/abs/2608.16485) 查看PDF (https://arxiv.org/pdf/2608.16485) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.16485)

通过代理获取此论文：

hf papers read 2608.16485

尚未安装最新CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型1

1nnoh/HiFi-BRep 约2小时前更新 (https://huggingface.co/1nnoh/HiFi-BRep)

引用本文的数据集0

无关联此论文的数据集 在数据集README.md中引用 arxiv.org/abs/2608.16485 以将其链接至此页面。

引用本文的Spaces0

无关联此论文的Space 在Space README.md中引用 arxiv.org/abs/2608.16485 以将其链接至此页面。

包含本文的收藏0

无包含此论文的收藏 将此论文添加到收藏 (https://huggingface.co/new-collection) 以将其链接至此页面。