본 논문은 복잡한 CAD 모델의 기하학적 및 위상적 제약으로 인해 긴 시퀀스 파라메트릭 명령 생성이 어려운 문제를 해결하기 위해, Transformer 기반 확산 모델을 활용하여 다중 스케일 잠재 표현을 사용하는 새로운 CAD 파라메트릭 명령 시퀀스 생성 프레임워크인 MamTiff-CAD를 제안합니다. Mamba+ 및 Transformer를 통합한 새로운 오토인코더를 설계하여 파라메트릭 CAD 시퀀스를 잠재 표현으로 변환하고, Mamba+ 블록을 통해 장거리 의존성을 효과적으로 캡처합니다. 비-자기 회귀 Transformer 디코더는 잠재 표현을 재구성하고, 다중 스케일 Transformer 기반 확산 모델은 긴 시퀀스 명령의 분포를 학습합니다. 또한, 최대 256개의 명령으로 구성된 긴 파라메트릭 시퀀스 데이터 세트를 구축했습니다. 실험 결과는 MamTiff-CAD가 재구성 및 생성 작업에서 최첨단 성능을 달성하여 긴 시퀀스 (60-256) CAD 모델 생성에 효과적임을 입증했습니다.
시사점, 한계점
•
시사점:
◦
긴 시퀀스 CAD 모델 생성 문제를 해결하기 위한 혁신적인 프레임워크(MamTiff-CAD) 제시
◦
Mamba+ 및 Transformer를 통합한 새로운 오토인코더 설계
◦
다중 스케일 Transformer 기반 확산 모델 사용
◦
최대 256개 명령의 긴 파라메트릭 시퀀스 데이터 세트 구축
◦
재구성 및 생성 작업에서 SOTA 성능 달성
•
한계점:
◦
구체적인 한계점은 논문 내용에서 명시되지 않음 (일반적으로, 모델 복잡성, 데이터 의존성, 특정 CAD 모델 유형에 대한 제한 등이 있을 수 있음)
