← 返回 2026-08-18

HiFi-BRep：面向鲁棒 B-Rep 生成的高保真潜在表示 HiFi-BRep: High-Fidelity Latent Representation for Robust B-Rep Generation

Junhao Hou, Chenqi Luo, Pufan Wang, Jiaying Lu, Yusheng Liu, Feiwei Qin, Meie Fang, Kun Zhou 📅 2026-08-17 👍 1 2026-08-23 18:30
B-Rep生成 CAD 几何深度学习 拓扑约束 潜在扩散模型
arXiv HuggingFace PDF

以高保真拓扑感知潜在表示与单阶段有效性约束解码，鲁棒生成结构合法的 B-Rep 模型

前置知识

B-Rep（边界表示）

B-Rep 是 CAD 领域的标准三维表示，用参数化几何基元（面、边、顶点）及其拓扑连接描述实体：面由曲面参数化（如 Bézier/B 样条控制网格），边由曲线参数化，拓扑记录哪些边围成哪个面的边界环。OpenCascade 等工业内核依靠 B-Rep 精确建模并制造零件，因此模型必须满足水密、流形等严格合法性约束。

本文的任务就是生成 B-Rep。只有理解其「几何+拓扑」二元结构与合法性规则，才能明白为什么生成 B-Rep 远比生成网格或点云困难：一个微小错误就会级联导致整个模型失效。

边-面邻接矩阵与流形约束

二值矩阵 $A\in\{0,1\}^{n_e\times n_f}$，$A[u,i]=1$ 表示边 $u$ 位于面 $i$ 的边界上。流形实体的核心规则是每条边恰好被两个面共享（「每边两面」）。该矩阵显式记录拓扑，同时定义了哪些基元「直接相邻」（一阶邻接）。

HiFi-BRep 把它一物两用：既是编码器的硬注意力掩码（Topo-Mask），又是解码器的直接预测目标；行级双峰损失正是对矩阵每一行施加「恰有两个 1」的可微软约束。

VAE（变分自编码器）

编码器把输入压缩为潜在分布参数 $(\mu,\log\sigma^2)$，经重参数化 $z=\mu+\sigma\odot\epsilon$ 采样，解码器从 $z$ 重建输入，训练目标包含重建损失与 KL 正则。VAE 强制潜在空间连续平滑，便于后续生成模型在其上建模分布。

HiFi-BRep 第一阶段就是训练一个拓扑感知 VAE，把变长 B-Rep 编码为 48 个 token 的定长潜在序列；其重建有效性高达 95.2%，直接决定了扩散生成质量的上限。

潜在扩散模型与 DiT

在 VAE 潜空间上训练 DDPM：前向过程 $q(z_t|z_0)=\mathcal{N}(\sqrt{\bar\alpha_t}z_0,(1-\bar\alpha_t)I)$ 逐步加噪，Diffusion Transformer（DiT）学习去噪，条件信息通过 adaptive LayerNorm（adaLN）注入每层的尺度与平移参数；采样时用 DDIM 少步去噪。

本文在学好的 HiFi 潜空间上训练 18 层 DiT 完成无条件/条件生成，理解 LDM 才能领会其「先学表示、再学分布」的两阶段解耦设计。

Bézier 参数化

由控制点定义的参数曲线/曲面：曲线是控制点折线的加权组合，曲面由控制网格（本文用 $6\times6$）张成。控制点表示参数紧凑、几何光滑，且边的两个端点可直接由曲线端点读出，天然满足「每边连接两个顶点」的约束。

HiFi-BRep 用 Bézier 面、Bézier 边加显式邻接矩阵构成紧凑表示，顶点连通性免费获得，这是它能将问题简化为「两条几何序列+一个矩阵」的前提。

Compilability 与 Validity 指标

Compilability（可编译性）指生成模型能否被 OpenCascade 成功导出为 STEP 文件；Validity（有效性）在此基础上进一步要求导出实体水密、流形一致且体积有限。两者之差衡量「能建文件但违反流形规则」的样本比例，是衡量 B-Rep 生成器鲁棒性的关键指标。

论文的核心卖点就是把 DeepCAD 上的 Compilability–Validity 差距从基线的 49.28 压缩到 18.18，读懂这两个指标才能真正评价其「鲁棒性」主张。

研究动机

B-Rep 是 CAD 的标准格式，自动生成它既要合成精确的参数几何，又要满足严格的拓扑规则，任何小错都会级联使整个模型失效。现有深度生成方法呈现两类「脆性」：其一是表示脆性——早期方法（SolidGen、BRepGen）用 padding 对齐可变数量的基元，引入统计噪声、破坏训练稳定性且扩展性差；引入拓扑先验的新方法又可能污染特征，例如 DTGBrepGen 在多跳拓扑邻居间传播信息，而生成真正需要的只是一阶邻接，归纳偏置错配。其二是生成脆性——SolidGen 的级联自回归流水线单向传递信息、误差逐级放大；BRepDiff 虽是单阶段，却把有效性强制留给不可微的后处理，造成训练-推理失配；HoLa 的局部求交范式难以表达两面对面共享多条边的结构（统计显示 ABC 数据集约 63.37% 的模型在拆分周期面后存在面对面多共享边），也阻碍全局拓扑学习。

本文的目标是本文的目标是构建一个同时满足三点要求的 B-Rep 生成框架：表示层面，拥有无 padding 噪声、无特征污染、紧凑且拓扑感知的高保真潜在空间；生成层面，几何与拓扑在单阶段内并行联合预测、双向互相指导，避免级联误差与不可逆的早期决策；有效性层面，把「每条边恰好属于两个面」等流形约束作为可微的学习目标嵌入训练，而非推迟到不可微的后处理修补，从而消除训练-推理失配。最终在 DeepCAD 与 ABC 两个标准基准上同时提升结构有效性（Validity）与几何保真（MMD-CD/COV/JSD），并大幅缩短端到端生成延迟。

与已有工作不同的是，本文的独特切入是把「结构合法性」从后处理问题转化为可微学习问题。具体而言：(1) 用可学习查询把变长 token 池化为定长潜在码，从表示源头消灭 padding 噪声，而不是像 BRepGen 那样带着掩码硬扛；(2) 把显式边-面邻接矩阵当作硬注意力掩码（Topo-Mask），严格限制跨流交互只发生在拓扑相邻的一阶对之间，纠正多跳传播造成的特征污染；(3) 首创行级双峰监督：对邻接得分做行 softmax，用「两个等概率峰」的目标分布把流形先验直接写进损失函数，让模型在训练中就学会「每边两面」；(4) 与 HoLa 每对面至多一条共享边的局部求交范式不同，本文显式建模独立的边集合与邻接矩阵，对每对面共享边数没有上限，天然覆盖这一常见但常被忽略的结构。

核心方法

直觉上，好的 B-Rep 生成应先拥有一个「干净」的潜在空间，再在这个空间里做扩散采样。技术路线为两阶段：第一阶段训练 VAE——拓扑感知双流编码器把变长 B-Rep 输入编码为 48 个 token 的定长潜在序列（HiFi 潜表示），单阶段有效性约束解码器再从潜码并行重建几何与拓扑；第二阶段在该潜空间训练潜在扩散模型（18 层 DiT），推理时从 $\mathcal{N}(0,I)$ 采样、经 DDIM 400 步去噪后由冻结的 VAE 解码器一次解码。这种「表示学习/分布建模」解耦让 VAE 专心捕捉复杂 B-Rep 的结构（重建有效性 95.2%），DiT 则在良构潜空间上学分布。统一潜表示还让框架天然支持无条件生成，以及类别标签、点云、图像、草图等多条件生成（条件经 adaLN 注入去噪器）。

核心创新有两点，彼此咬合。第一，拓扑感知编码器产出高保真潜表示：面、边分双流编码，每个 BiModalBlock 内做流内自注意力，跨流交互仅限直接相邻的边-面对，由 Topo-Mask 实现（$S[u,i]=0$ 若 $A[u,i]=1$，否则 $-\infty$），从机制上杜绝远距离无关基元的特征污染；随后 48 个可学习查询对变长 token 池化得到定长潜码，彻底移除 padding。第二，单阶段有效性约束解码器：计数查询先预测面数/边数建立硬 padding 掩码，再并行解码几何与邻接；拓扑头把边、面特征投影到共享空间计算缩放双线性得分 $S=(UW^\top)/\sqrt{d_{adj}}$，行 softmax 由双峰目标监督——每条有效边的概率质量均分给其两个真实相邻面，把「每边恰两面」变成可微目标，推理时取每行 top-2。与已有方法的本质区别：流形约束首次在训练中被端到端优化而非推理后修补；表示与解码器协同满足流形约束——顶点连通由 Bézier 边端点天然保证，边流形性由双峰目标显式保证。

方法步骤详情

步骤如下。(1) 输入表示：每面记录包围盒 $F_p$ 与 $6\times6$ Bézier 控制网格 $F_z$，每边记录包围盒 $E_p$、6 个控制点 $E_z$ 与显式端点 $E_v$，外加邻接矩阵 $A$；按包围盒中心字典序排序，pad 到固定预算 $(F_{max},E_{max})$。(2) 编码：MLP 把参数映射为 768 维 token，6 个 BiModalBlock（12 头注意力）先流内自注意、再按 Topo-Mask 只在相邻边-面对之间交叉注意；48 个可学习查询带 key-padding 掩码池化出 48×768 定长潜码，VAE 参数化 $(\mu_Z,\log\sigma_Z^2)$。(3) 解码：计数查询预测 $\hat n_f,\hat n_e$ 并构建硬 padding 掩码（训练用真值、推理用预测值）；面/边查询经 6 个 DecBiBlocks（对潜码交叉注意→流内自注意→双向交叉注意→FFN）解码；几何头回归控制参数（包围盒预测中心+尺寸、softplus 保证正值），拓扑头输出行 softmax 邻接得分，推理取每边 top-2。(4) 损失：$\mathcal{L}=\lambda_{KL}\mathcal{L}_{KL}+\lambda_{len}[\mathrm{CE}(\hat n_f,n_f)+\mathrm{CE}(\hat n_e,n_e)]+\lambda_{geom}\mathcal{L}_{geom}+\lambda_{adj}\mathcal{L}_{row\text{-}wise}$，权重 $(5\times10^{-5},1,25,5)$，仅算有效槽位。(5) 后处理：合并重合端点为顶点、逐面构建闭环、联合拟合后交 OpenCascade 建实体。(6) 扩散：在潜码上训练 DDPM+18 层 DiT，条件经 adaLN 注入，DDIM 400 步采样。

技术新颖性

技术新颖性体现在四个层面。(1) 表示：「一个面一个 token、一条边一个 token」避免了半边复制与面对面候选枚举，token 预算随 $F+E$ 线性增长；Topo-Mask 交叉注意力复杂度 $O(\lVert A\rVert_0 D)$ 只随真实相邻对数量增长，使运行时间近似随形状复杂度线性扩展。(2) 目标函数：行级双峰损失是本文独有的可微软约束——已有工作要么依赖不可微后处理（BRepDiff），要么用局部求交隐式保证（HoLa），要么级联预测（DTGBrepGen）；消融显示去掉它 Valid 从 95.2% 跌至 87.2%。(3) 结构表达力：显式邻接矩阵对每对面共享边数无上限，而 HoLa 每对面至多一条边、DTGBrepGen 上限 5 条（覆盖 99.9% 但长尾受限）；统计显示 ABC 拆分后 63.37% 的模型存在多共享边，尾部最高达 16 条。(4) 训练-推理一致：计数先行的硬掩码与推理期 top-2 选择同源，使训练目标与推理规则完全对齐，避免 BRepDiff 式失配。

HiFi-BRep generates B-Rep models by jointly decoding geometry and topology from a high-fidelity latent space in a single stage, with key validity constraints embedded as differentiable objectives rather than deferred to post-processing.
Figure 1: HiFi-BRep generates B-Rep models by jointly decoding geometry and topology from a high-fidelity latent space in a single stage, with key validity constraints embedded as differentiable objectives rather than deferred to post-processing.
Input B-Rep formulation.
Figure 2: Input B-Rep formulation.
Overview of HiFi-BRep. (a) Topology-aware dual-stream encoder. (b) Single-stage validity-constrained decoder.
Figure 3: Overview of HiFi-BRep. (a) Topology-aware dual-stream encoder. (b) Single-stage validity-constrained decoder.

实验结果

核心发现分四块。(1) 无条件生成（Table 1）：DeepCAD 上取得最高 Validity 72.20%（DTGBrepGen 43.20%、BrepDiff 63.69%、BRepGen 20.76%）与最低 MMD-CD 1.05，Novel 99.81%、Unique 99.15%；Compilability–Validity 差距仅 18.18（90.38→72.20），远小于 DTGBrepGen 的 49.28，证明单阶段有效性解码确实产出更多流形一致实体。ABC 上 Validity 32.66% 同样最高（DTGBrepGen 24.88%），差距 2.95 对 25.67，但 COV/MMD-CD（57.93/1.45）不及 DTGBrepGen（70.63/1.30），呈现保真与有效性的折衷。(2) 表示质量（Fig. 5）：VAE 重建有效性按面数保持稳定，6–12 面主流区间稳定，长尾（至 29 面）仍 ≥61.5%，说明无 padding 潜表示学到拓扑-几何耦合而非过拟合高频模式。(3) 消融（Table 2）：完整模型重建 Valid 95.2%、Adj Acc 97.5%；去掉单阶段解码（几何→级联拓扑）跌至 69.3%/73.2%，影响最大；去掉双峰目标 87.2%；去掉 Topo-Mask 89.5%；各变体 Face/Edge 计数准确率均 ≥98.2%，瓶颈在拓扑。(4) 效率（Table 3）：3.83 s/shape，比 BRepGen 快 2.1×、DTGBrepGen 6.2×、BrepDiff 6.9×。另外 Fig. 7 的检索式新颖性检查（500 样本、CD/LFD 最近邻）表明模型并非背诵训练集；条件生成（Fig. 8–13）在类别、完整/部分点云（2048 点、约 30% 缺失）、草图、单/多视图下均保持拓扑合法并贴合条件。

Unconditional generation on DeepCAD and ABC.
Table 1: Unconditional generation on DeepCAD and ABC.
Ablations on DeepCAD reconstruction.
Table 2: Ablations on DeepCAD reconstruction.
Runtime comparison (seconds per shape) on the DeepCAD dataset.
Table 3: Runtime comparison (seconds per shape) on the DeepCAD dataset.
Maximum shared edges per face pair in ABC (counts).
Table 4: Maximum shared edges per face pair in ABC (counts).
Unconditional generations on DeepCAD.
Figure 4: Unconditional generations on DeepCAD.
Reconstruction validity by face count on DeepCAD.
Figure 5: Reconstruction validity by face count on DeepCAD.
Retrieval-based novelty check.
Figure 7: Retrieval-based novelty check.
Class-conditioned generation on Furniture.
Figure 8: Class-conditioned generation on Furniture.
Point cloud-conditioned generation on CADNet40.
Figure 9: Point cloud-conditioned generation on CADNet40.
Partial point cloud-conditioned generation.
Figure 10: Partial point cloud-conditioned generation.
Sketch-conditioned generation.
Figure 11: Sketch-conditioned generation.
Single-view conditioned generation.
Figure 12: Single-view conditioned generation.
Multi-view conditioned generation.
Figure 13: Multi-view conditioned generation.
Unconditional generations on ABC.
Figure 14: Unconditional generations on ABC.
查看结构化数据
任务指标本文基线提升
DeepCAD 无条件生成 Valid (%, ↑) 72.20 DTGBrepGen 43.20 / BrepDiff 63.69 / BRepGen 20.76 +29.00 个百分点（对比最强基线 DTGBrepGen）
DeepCAD 无条件生成 MMD-CD (×100, ↓) 1.05 DTGBrepGen 1.06 / BrepDiff 1.32 / BRepGen 1.51 全场最低，较次优再降 0.01
ABC 无条件生成 Valid (%, ↑) 32.66 DTGBrepGen 24.88 / BrepDiff 20.05 / BRepGen 20.19 +7.78 个百分点
DeepCAD 重建（消融） Adj Acc / Valid (%, ↑) 97.5 / 95.2 去掉单阶段解码：73.2 / 69.3 +24.3 / +25.9 个百分点
DeepCAD 端到端生成速度 秒/形状（1000 次平均） 3.83 BRepGen 8.09 / DTGBrepGen 23.55 / BrepDiff 26.28 分别加速 2.1× / 6.2× / 6.9×

局限与改进

作者承认：方法只针对闭合水密 B-Rep 实体与固定面/边预算，不覆盖开边界零件、大装配与非流形配置；一次式解码依赖准确的计数掩码与合并容差选择；残余失败包括修剪不一致（面数正确但环无法形成有效裁剪区域导致面被内核丢弃）、顶点合并后的连接不一致/非流形边、退化几何与薄片面，精确的曲面-曲线求交与修剪仍交给 CAD 内核。我的补充观察：(1) ABC 上 Compilability 仅 35.61%、Validity 32.66%，与 DeepCAD 的 90.38%/72.20% 差距巨大，对更复杂真实工业件仍远未可靠；(2) ABC 上 COV 57.93、MMD-CD 1.45 落后于 DTGBrepGen（70.63/1.30），紧凑定长潜码可能牺牲了分布多样性；(3) 预处理拆分了环面与环边，生成结果如何还原周期拓扑未详述，可能限制可表达曲面类型；(4) Validity 是二值指标，无法刻画「接近合法」的程度，且重建 Valid 95.2% 与生成 Valid 72.20% 之间的落差提示扩散采样仍是重要错误来源。

独立分析的弱点

独立分析以下弱点：(1) 复杂模型可靠性不足——ABC 上 Valid 仅 32.66%，高面数、混合曲面类型的工业零件成功率仍低，可按复杂度分桶做课程学习或为高面数形状增加容量；(2) 固定预算 $(F_{max},E_{max})$ 既限制表达上限又在低复杂度形状上浪费算力，改进方向是作者提到的可变长查询动态容量解码，或先预测预算再自适应分配 token；(3) 双峰目标只覆盖「每边两面」，顶点级约束（顶点处边数、角度一致性）与全局一致性（如欧拉公式）未被显式建模，Fig. 6b 的连接类失败正源于此，可把顶点度数、环闭合性也写成可微目标；(4) 修剪与求交完全依赖 OpenCascade、不可微，可引入作者提出的可微可行性投影或可微裁剪算子；(5) 条件仅经 adaLN 注入扩散端，VAE 解码器不感知条件，条件信息可能在解码阶段被「洗掉」，可设计条件感知解码器或跨模态对齐损失；(6) 论文未报告分面数/分曲面类型的有效性方差，建议补充细粒度可靠性曲线以便工程落地评估。

未来方向

作者提出的方向：用可变长查询实现动态容量解码以处理长尾拓扑；引入可微可行性投影抑制修剪与连接错误；扩展到开边界模型与装配体；在表示中加入显式顶点约束与全局一致性检查。基于其成果可延伸：(1) 把双峰思想推广为一族可微拓扑目标——每面环闭合、顶点度数、欧拉公式 $V-E+F=2$ 均可写成行/列级软约束，进一步压缩 Validity 与 Compilability 的差距；(2) 直接在 HiFi 潜空间做 B-Rep 编辑、插值与补全，48×768 的结构化潜码天然适合形状操控；(3) 与 LLM/程序化 CAD 生成结合，把本模型作为「几何-拓扑合法性校验器」或解码后端；(4) 规模化——当前 VAE+DiT 共约 498M 参数、仅用两张 RTX 4090，扩大数据与模型有望抬升 ABC 上 32.66% 的天花板；(5) 将「合法性即损失」的范式迁移到 CSG、草绘-拉伸等程序化 CAD 表示，形成统一框架。

复现评估

复现条件较好。开源情况：代码与模型已在 GitHub 公开（https://github.com/1nnoh/HiFi-BRep），附录 A 完整给出超参数（AdamW 学习率 $10^{-4}$、bfloat16 混合精度、DDPM 1000 步、DDIM 400 步采样、损失权重 $(5\times10^{-5},1,25,5)$、$d=768$、编码/解码各 6 块、$L_q=48$、18 层 DiT）。数据：DeepCAD 83,611、ABC 186,148 个训练形状（去重+复杂度截断），条件实验用 Furniture 1,440 与 CADNet40 7,394，均为公开基准；但预处理（拆分环面/环边、字典序规范化、BRepGen 式拟合）需复刻其脚本。算力：仅 2×RTX 4090（VAE 304.7M 参数训 3000 epochs、DiT 193.4M 参数训 1000 epochs），消费级即可承担；推理 3.83 s/shape。难度评估：中等偏低，主要工程量在 OpenCascade 后处理与数据管线；评估协议（COV/MMD-CD/JSD、Compilability/Validity 判据）与先前工作对齐，结果可比性强。

论文图表

Typical failure modes.
Figure 6: Typical failure modes.

三类典型失败：(a) 修剪不一致/缺失面片——面数正确但解码环无法构成有效裁剪区域，内核丢弃该面；(b) 连接不一致/非流形边——顶点合并后出现 T 形连接或重复线段，破坏流形关联；(c) 退化几何/薄片面——病态控制点产生近零面积或自交面片。

明确指出方法剩余错误的来源与形态，直接对应 Compilability–Validity 残余差距，是评估其实用边界和改进方向的关键。