[논문리뷰] NURBGen: High-Fidelity Text-to-CAD Generation through LLM-Driven NURBS Modeling

링크: 논문 PDF로 바로 열기

저자: Muhammad Usama, Mohammad Sadil Khan, Didier Stricker, Muhammad Zeshan Afzal

핵심 연구 목표

본 논문은 자연어 텍스트 설명으로부터 NURBS(Non-Uniform Rational B-Splines) 기반의 고정밀 3D CAD 모델을 직접 생성하는 최초의 프레임워크인 NURBGen 을 제시합니다. 기존 텍스트-CAD 시스템이 메쉬를 생성하거나 부족한 디자인 히스토리 데이터에 의존하는 한계를 극복하고, 파라메트릭 CAD 모델의 편집 가능성을 높이는 것을 목표로 합니다.

핵심 방법론

자유 형식 텍스트를 NURBS 표면 파라미터(제어점, knot 벡터, 차수, 가중치) 를 포함하는 JSON 표현 으로 변환하기 위해 Qwen3-4B 대규모 언어 모델(LLM)을 미세 조정합니다. 또한, 잘림(trimmed) 표면과 퇴화(degenerate) 영역을 견고하게 처리하고 토큰 복잡성을 줄이기 위해 트리밍되지 않은 NURBS 와 분석적 기본 도형(analytic primitives) 을 결합한 하이브리드 표현 방식을 제안합니다. 이를 위해 ABC 데이터셋 에서 300k개 이상의 CAD 부품으로 구성된 partABC 데이터셋 을 구축하고 자동 주석 파이프라인으로 고품질 캡션을 생성합니다.

주요 결과

NURBGen 은 기존 텍스트-CAD 방법론 대비 기하학적 충실도와 치수 정확도에서 뛰어난 성능을 보여줍니다. 인간 평가에서 60.8%의 Top-1 선호도 를 달성했으며, GPT-4o 평가 에서도 63.7%의 선호도 를 기록했습니다. 특히, 무효화 비율(Invalidity Ratio)은 0.01 로, DeepCAD의 0.3 과 비교하여 가장 낮은 오류율을 기록하며 강력한 기하학적 정확도를 입증했습니다.

AI 실무자를 위한 시사점

NURBGen 은 LLM을 활용하여 고품질의 편집 가능한 CAD 모델을 직접 생성하는 새로운 가능성을 제시합니다. 특히, NURBS 기반 모델링 과 하이브리드 표현 은 전통적인 디자인 히스토리 기반 방식의 제약을 우회하며, partABC 와 같은 대규모 멀티모달 데이터셋은 향후 텍스트-CAD 연구를 위한 중요한 자원이 될 것입니다. 그러나 복잡한 건축 구조나 텍스트 각인과 같은 세밀한 디테일 처리에는 여전히 한계가 존재하여 추가 연구가 필요합니다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.