从纯技术角度看把几何深度学习Geometric Deep Learning和计算机辅助设计CAD放到一篇综述里这本身就是个信号工业界和学术界都意识到过去十年横扫图像、语音、文本的深度学习范式在CAD这个古老又保守的领域里要开始动真格了。这篇文章我精读了两遍。第一遍是为了摸清综述的框架和文献脉络第二遍是为了把里面那些抽象的方法论和实际建模流程对起来。读完之后我的感受是CAD领域的深度学习核心矛盾就一句话——CAD模型不是像素格子也不是自然语言序列它是用边界表示B-rep的实体模型包含面、边、顶点还带着参数化历史、约束关系、拓扑信息。你拿标准的CNN或者Transformer硬套别扭得很。这篇综述要解决的就是把过去几年各种试图在CAD数据结构上做深度学习的尝试按方法论归类给出系统性的梳理。先摆结论这篇综述最有价值的贡献不是发明了什么新算法而是给了一个清晰的问题域划分。它把CAD和深度学习的结合点拆成了三大类任务点云处理、网格处理、B-rep/参数化模型处理。这三类任务对输入数据的要求各不相同使用的网络结构也完全不同但底层共享一个核心思想——几何等变性geometric equivariance。你旋转一个零件网络输出的特征应该跟着旋转而不是像图像分类那样对旋转产生误判。这个旋转不变/等变的性质在CAD场景里就是命根子。1. 为什么CAD里的深度学习不能直接搬CV那套要理解这篇综述得先明白CAD数据结构和常规深度学习输入之间的鸿沟在哪儿。图像是规则网格。像素之间距离固定邻域关系固定卷积核可以在整个画面上滑动权值共享非常自然。文本是序列位置信息天然存在Transformer的自注意力机制顺理成章。但CAD模型是什么一个机械零件在建模软件里通过拉伸、旋转、扫掠等特征操作生成最终以B-rep格式存储。B-rep是什么是一堆面face、边edge、顶点vertex的集合面与面之间有拓扑邻接关系每条边可能是直线或曲线每个面可能是平面或曲面。这种数据没有固定分辨率——一个简单的立方体可能只有6个面一个复杂的涡轮叶片可能有成百上千个面。你无法把它切成固定大小的patch喂给CNN也没法把它线性化成一个固定长度的向量丢给MLP。这就是CAD深度学习最核心的难点数据结构的非规则性。综述里点出的一条关键路径是与其人为地把CAD模型体素化或者网格化来迁就传统网络不如设计在CAD原生数据结构上直接操作的网络架构。这个思路听起来简单做起来很难因为这意味着你必须处理变长的图结构、非欧几何、以及参数化曲面的连续表达。我特别认同综述中对这个问题的处理态度它没有去吹捧某一种统一架构而是诚实地说点云、网格、B-rep各有各的适用场景也各有各的顽疾。你如果处理的是Scan-to-CAD扫描物体重建CAD模型点云是天然入口你如果要生成参数化特征比如自动给倒角、打孔那B-rep才是必须走的路线。2. 综述的框架与三大任务域这篇综述的结构我认为是它最大的亮点之一。它按任务性质和组织结构把文献大致分成了三条线第一条线点云与三维视觉的标准任务在CAD场景的迁移。分类、分割、补全、配准这些在PointNet、PointNet之后已经被研究得滚瓜烂熟的技术被应用到了CAD模型上。这里一个典型应用场景是你对真实世界的一个零件做三维扫描得到点云然后用点云分割把零件拆成各个几何特征区域辅助后续的逆向建模。这个环节的成熟度相对较高因为点云深度学习的工具箱已经很完善PyTorch和TensorFlow里都有现成的算子。第二条线网格数据处理。网格比点云多带了拓扑信息三角形的顶点和边构成局部连通结构。综述重点讨论了MeshCNN、MeshNet这类直接在网格上做卷积的方法以及如何让网格的顶点特征在非规则邻域上做权值共享。实际落地中网格数据常用于有限元分析FEA的前处理阶段——你在网格模型上预测应力分布、变形模式。但网格方法的一个痛点是拓扑噪声同一个CAD模型用不同划分算法得到的网格在顶点数量、连通方式上差异巨大这严重干扰了网络的特征学习。第三条线B-rep与参数化表示学习。这是综述中最前沿也最有价值的部分也是我认为代表了未来方向的部分。B-rep直接服务于CAD对边界和拓扑的要求但之前的深度学习研究很少在B-rep上做文章。难点在于B-rep不是一个简单的图——它由几何信息曲面的方程参数、曲线的控制点和拓扑信息哪个面接哪个面、哪条边是哪个面的边界共同构成。综述中提到的几个代表作比如UV-Net就是把面内的参数域采样成规则网格把面之间的邻接关系构建成图再混合CNN和GNN来处理。另一个方向是把实体建模的历史操作序列纳入考虑不再把CAD当成静态模型而是当成一个生成过程来学这在制造特征识别、自动建模领域潜力巨大。这三大任务域不是互斥的。点云可以做特征识别B-rep也可以转成点云做预训练网格方法也经常被用作中间桥梁。综述的价值不在于告诉你只有这条路能走通而是帮你理清楚你手里的数据长什么样就该选哪条路。3. 关键方法论拆解几何等变与图结构编码综述里反复出现的一个核心技术概念是等变特征提取equivariant feature extraction。简单解释如果输入几何体绕着Z轴转了30度输出特征图在某种意义上也要跟着转30度而不是变成一个完全无关的新特征。这一点在CAD场景里有多重要举个例子。你要训练一个网络自动识别零件上的孔特征。如果训练集里孔的法向都是正Z方向模型可能学到的不是孔这个概念而是朝上的圆柱凹坑。真实工况里零件在夹具上的摆放姿态千奇百怪你不可能保证每个孔都正对着坐标轴。等变网络通过约束卷积核或消息传递算子对SE(3)三维旋转平移群具有对称性让模型学习到的表征不依赖物体的绝对姿态。综述中介绍了几类实现等变性的方法我整理一下实践中最常用的三种基于球谐函数的等变卷积把三维空间中的信号分解到不可约表示的频率分量上。优点是对任意旋转都严格等变缺点是计算量偏大且对非稀疏点云的支持不够好。基于坐标系的局部对齐把局部邻域内的点重排到一个规范坐标系。比如PointNet的局部聚类或者在面中心建立局部切平面坐标系。这种方法不保证严格等变但工程实现简单实测效果也不错。基于图同构的特征聚合注意这里的同构不是精确同构而是指聚合算子对节点排列顺序不敏感。比如最大池化、均值池化你无论把邻接节点按什么顺序喂进来输出都一样。这就是最朴素的置换等变很多GNN都在用。综述明确指出了三者的权衡严格等变带来泛化性但牺牲计算效率简单的排列不变性容易实现但对旋转敏感需要额外增加数据增强来弥补。在实际做CAD模型分类任务时我的经验是不要一上来就上复杂等变网络。先试试局部坐标系对齐 随机旋转数据增强的组合拳如果验证集精度还是上不去再考虑引入球谐等变卷积。因为严格等变网络往往伴随着更复杂的调参过程和更长的训练周期而工业应用里90%的分类任务数据增强已经能掩盖大部分姿态敏感问题。4. 实操中的两个经典案例拆解纸上谈兵没意思我选两个综述里提到的代表性方法展开讲讲它到底是怎么落地的。4.1 案例一点云驱动的Scan-to-B-rep这个任务是给你一个物体的点云扫描输出一个带参数化面的CAD模型。传统的做法分两步先做几何分割把点云分成若干个区域每个区域对应一个平面或曲面然后对每个区域做曲面拟合得到参数方程和边界曲线。老问题在于第一步的分割结果经常混入噪声导致拟合出来的曲面边界交不上、有缝隙。综述介绍的新范式是端到端训练一个网络编码器吃进去点云输出一个隐空间向量解码器再把它映射成一系列面参数和面之间的连接关系。我后来在模拟项目X里复现了类似思路难点不在网络结构而在解码器的输出约束——网络输出的面必须满足闭合性不能出现漏缝或重叠。处理手段是让解码器先生成一个拓扑图再用可微的曲面拟合层补全几何细节。这里我建议关注两个关键参数点云采样密度和面片数量上限。扫描仪通常在5000到50000个点之间过密则训练速度慢过疏则小特征比如圆角、小孔彻底丢失。面片数量上限直接决定了网络输出的复杂度机械零件平均8到20个面足够了但自由曲面件可能会到50到100个面这个要在解码器设计之初就定好否则后面调损失函数权重会非常痛苦。4.2 案例二参数化CAD模型的图网络表征这是B-rep路线里我最看好的一个方向。设想你在做特征识别——给一个加过的零件模型判断它有多少个盲孔、多少个沉头孔、哪些边需要倒角。以前的做法是人写规则扫描几何数据、判断圆柱面、检查圆柱面的末端是否有平面挡着……这套规则对教科书式的特征有效但对特征相交比如一个孔正好穿过一个倒角面情况会非常脆弱。综述中的做法是把B-rep转成一个异质图节点是面边缘是面与面之间的共享边。每个节点的特征向量由该面的类型、面积、曲率统计量和法向直方图组成。然后在这个图上跑图注意力网络GAT让每个面通过注意力机制聚合周围面的信息。这个方案在面对正交特征相交时比规则法稳健得多因为网络学到的是孔的面通常被一圈同心圆面环绕这类空间关系特征。实操中的一个关键预处理坑是面的离散化。B-rep里的面在数学上是连续的但网络输入必须离散。大部分实现做法是在参数域上均匀采样比如UV-Net在每个面域内打一个16x16的采样点网格然后把采样值拼成特征图。你如果采样分辨率太低细长的曲面特征会被拉平采样太高训练显存吃得非常快。我实测下来一个中型装配体几百个面用32x32采样点配4层GNN加2层MLP单卡训练批次只能给到8左右超过就OOM。所以如果你也想走上这条路先把面数统计和显存预算算清楚。5. 综述中隐含的三条经验教训这部分的文字不多但其实是整篇综述最贵的东西——能写成综述本身就意味着有人踩过这些坑我把它们提炼出来。第一数据标注的质量决定了CAD深度学习的上限。图像数据可以众包标注但CAD数据的标注需要专业软件实操经验。标注这个面是配合面和标注这个面是外观面新手和老手判断经常不一致。综述中提到的若干公开数据集比如某机械零件数据集虽然体量不小但标注噪声严重如果你直接拉来训练top-1精度可能漂移3到5个点。对策是设计模型时要让损失函数对标签噪声鲁棒比如用标签平滑或者干脆在预测头上加Dropout。第二CAD特有的参数连续性问题被大部分研究者低估了。图像分类里你旋转一个像素点就改变了整个图内容但在CAD里你稍微挪动一个控制点整个曲面的形状都变了。这使得很多常规的数据增强手段不适用。你不能简单地对B-rep模型做随机扰动因为它可能破坏模型的拓扑合法性。综述明确提到的现有工作多是基于监督学习而CAD领域最稀缺的就是大量标注数据。传统的CAD工具里参数化建模产生的历史记录包含了大量隐含的标注信息这给无监督和半监督学习提供了天然的数据来源。我认为后续的突破方向可能在于利用现有CAD软件的建模历史数据做一个自监督预训练然后在特定任务上微调。这和NLP领域先在互联网海量文本上预训练BERT再微调到具体任务的逻辑是异曲同工的。第三评估基准的缺失比算法缺失更致命。综述里对比各类方法时使用不同的数据集且分割标准不一致导致你复现A方法时测出来的分数跟论文里报告的几乎对不上。一个值得关注的方向是基于制造业里的真实零件族构建统一的、工业级的评估基准。现在大家各玩各的论文好看但落地困难。6. 对CAD行业从业者的启示聊点更贴近生产实际的。如果你是CAD插件开发者或者CAE前处理工程师这篇综述能帮你判断哪些环节适合引入深度学习。零件分类与检索成熟度最高拿点云或者B-rep转图表示用分类网络就可以实现适合做图库管理。特征识别与工艺规划B-rep图网络有很好的潜力但落地时最好跟传统规则引擎结合先靠规则把那些明确特征扫一遍剩下的难例再丢给网络。自动建模与拓扑优化目前尚处研究阶段别指望短期内直接扔给软件一个设计意图就自动出模型。但可以用来做设计辅助——比如你画完一个复杂曲面网络自动提示你这里可能有制造问题。我还想加一点几何深度学习再强也替代不了CAD内核里的布尔运算和参数化引擎。深度学习适合处理从数据到模式的归纳问题但CAD的坚实基础——精确的边界计算、拓扑合法性校验、参数驱动的约束求解——依然得靠传统几何内核。真正常见的落地路径是深度学习和传统几何算法协同工作深度学习做粗估计几何内核做精修正。7. 精读总结谁适合读这篇综述如果你属于下面这三类人这篇综述值得精读研究生或算法工程师正在找CAD深度学习方向的研究课题。综述末尾列出的Open Problems会给你一个很好的选题地图。CAD/CAE软件开发商的技术人员想快速了解当前学术界能在哪些模块里塞进深度模型。建议重点读B-rep那一章和数据集对比表。逆向工程与增材制造的从业者需要从扫描点云或网格重建参数化模型。点云那一章的方法论可以直接拿来用。我个人的建议是别指望一篇综述能让你立刻上手写代码。你还是要回去精读具体方法的原始论文建议按综述的引用顺序逐个看先看Network Architecture部分再看Loss Design和Training Strategy。综述能帮你省掉大量筛选文献的时间但不能替代你对公式和代码的推敲。最后再分享一个小技巧读这种交叉领域的综述先别看后半个综述的结果对比表格先看Data Representations那一节——把输入数据的定义和格式搞清楚后面所有网络结构你都能自己推导个大概。一旦你在脑海里建立了B-rep是图参数域网格这个心智模型再去看各种网络结构会发现本质都是在设计不同的聚合算子。CAD领域的深度学习还远没到拼算力的阶段现在拼的是对领域数据结构和几何性质的深刻理解。谁能把这个理解融入网络架构和训练方法谁就能真正解决工业现场的问题。