基于SDS-MAE模型的CAD图元补全方法

《Intelligent Systems with Applications》：A CAD drawing primitive completion method based on the SDS-MAE model

　　

近年来，计算机辅助设计（Computer-Aided Design, CAD）图纸的完整性在工程设计、施工和制造中日益重要。然而，由于扫描、格式转换及多次迭代修订等问题，图纸常出现图元缺失或失真，严重影响了下游应用。为解决此问题，本研究提出一种基于自蒸馏Swin掩码自编码器（Self-Distilled Swin-Masked Autoencoder, SDS-MAE）模型的CAD图纸修复方法。该方法将Swin Transformer与掩码自编码（Masked Autoencoder, MAE）相结合，并引入具有共享编码器和双解码器的自蒸馏结构：学生解码器专注于像素级重建，教师解码器提供高层语义监督，使网络能够同时捕获局部结构和长距离依赖。此外，设计了一种基于窗口的掩码策略以替代传统的随机掩码，有效抑制了捷径学习并增强了语义一致性。在FloorPlanCAD数据集上的实验结果表明，SDS-MAE模型在Dice相似系数（Dice Similarity Coefficient, DSC）、平均像素准确率（Mean Pixel Accuracy, MPA）和平均交并比（Mean Intersection over Union, MIoU）方面均显著优于基线方法。消融研究进一步验证了自蒸馏机制和基于窗口的掩码策略的有效性。这些结果表明，SDS-MAE为CAD图纸修复提供了一种鲁棒且精确的解决方案，并为下游应用提供了强大的可迁移性。

在现代工程项目中，计算机辅助设计（Computer-Aided Design, CAD）图纸构成了设计、施工和管理的基础，其完整性与准确性对工程成功至关重要。然而，在实际场景中，确保CAD图纸的完整性仍面临巨大挑战。在创建、扫描、传输或版本更新过程中，图纸可能因多种因素丢失或失真，例如扫描设备的分辨率和角度影响图像质量，导致细节丢失或模糊；设计阶段的人为错误或工具限制导致元素缺失；以及多版本修订引发的版本间不一致。这些问题导致CAD图纸不完整，进而可能在下施工阶段引发结构布局错误或管道连接不当，影响项目质量与效率。此外，不完整的CAD图纸严重阻碍了建筑信息模型（Building Information Modeling, BIM）模型的生成，微小缺陷可能引发级联错误，导致模型与设计意图大幅偏离。因此，如何有效修复缺失组件并确保图纸完整性成为关键研究问题。现有修复方法主要分为传统图像修复技术和基于深度学习的方法。传统方法如插值、边缘扩展和滤波重建，在处理大面积缺失或复杂结构时表现不佳，且往往忽视全局结构信息和图元间的依赖关系。基于深度学习的方法，如卷积神经网络（Convolutional Neural Networks, CNNs）、生成对抗网络（Generative Adversarial Networks, GANs）和自编码器（Autoencoders, AEs），虽在细节恢复和全局一致性上有所突破，但仍面临标注数据稀缺、难以同时维持几何一致性和符号准确性等挑战，特别是在处理图元间的长距离依赖方面存在不足。鉴于此，研究人员开展了一项旨在结合传统技术与深度学习优势，开发更高效、准确的CAD图纸修复方法的研究。研究人员提出了一种基于自蒸馏Swin掩码自编码器（Self-Distilled Swin-Masked Autoencoder, SDS-MAE）模型的恢复方法。该研究利用公开可用的FloorPlanCAD数据集，该数据集包含住宅、办公和公共建筑等多种类型的建筑平面图，具有复杂的线结构、弧线、符号和空间布局。研究通过模拟边缘元素丢失、内部关键点丢失、大面积丢失和跨区域丢失等常见损坏情况，构建了完整的实验数据。在技术方法上，研究人员采用了Swin Transformer作为编码器骨干网络，利用其基于窗口的自注意力机制（Window-based Self-Attention）和移位窗口策略，以平衡计算成本并有效捕获局部与全局特征。同时，引入自蒸馏机制，构建具有共享编码器和双解码器（教师/学生）的架构，其中学生解码器负责像素级重建，教师解码器提供高层语义指导。此外，设计了一种基于窗口的掩码策略，将图像划分为非重叠窗口，增加上游任务难度，抑制捷径学习。通过平均平方误差（Mean Squared Error, MSE）、余弦相似度和梯度惩罚（Gradient Penalty, GP）三种损失函数联合优化训练过程，确保像素级重建的准确性及全局结构与语义的一致性。

在研究结果方面，研究人员通过一系列实验验证了SDS-MAE模型的有效性。首先，在掩码方法实验中，对比了传统随机掩码与提出的基于窗口的掩码策略。结果显示，虽然随机掩码在预训练阶段表现出更低的损失值，但这主要源于任务难度较低导致的捷径学习。基于窗口的掩码策略在下游分割任务中显著提升了性能，证明了其在增强无监督学习效果方面的优越性。其次，研究人员分析了不同掩码比例对下游任务性能的影响，发现掩码比例约为0.7时，SDS-MAE模型能够学习到最具意义的高层语义特征，从而实现最佳的迁移性能。接着，通过消融实验评估了各个模型组件的贡献。结果表明，引入Swin Transformer模块显著提升了模型在高分辨率图像上的表现，改善了细节恢复和全局结构一致性；加入自蒸馏机制后，模型能够更有效地捕获长距离依赖和全局结构，进一步提高了修复精度。最终，完整的SDS-MAE模型在Dice相似系数（DSC）、平均像素准确率（MPA）和平均交并比（MIoU）等指标上均显著优于基线模型MAE及其他变体，且在豪斯多夫距离（Hausdorff Distance, HD）和精确率-召回率曲线下面积（Area Under the Precision-Recall Curve, AUPRC）方面表现更佳。最后，研究人员对教师和学生解码器进行了评估，发现尽管训练初期学生模型表现更优，但随着训练进行，两者性能趋于一致，表明教师分支有效学习了高层语义特征表示，最终选择学生模型作为下游应用的部署模型。

在讨论部分，研究人员指出SDS-MAE模型通过整合Swin Transformer与掩码自编码，并引入双解码器自蒸馏框架，有效捕获了细粒度细节和长距离依赖。基于窗口的掩码策略进一步抑制了捷径学习，增强了语义一致性。尽管在高度复杂图纸的处理和大尺度推理效率方面仍存在挑战，但该研究为CAD修复提供了新的见解和解决方案。研究结论部分总结称，基于SDS-MAE模型的CAD图纸修复方法通过集成Swin Transformer与掩码自编码，并引入双解码器自蒸馏框架，有效捕获了细粒度细节和长距离依赖。基于窗口的掩码策略 employed 以抑制捷径学习并增强语义一致性。在FloorPlanCAD数据集上的实验结果表明，SDS-MAE模型在多项指标上一致优于基线方法，消融研究进一步验证了自蒸馏机制和掩码设计的贡献。未来工作将专注于更具表达力的架构、扩展数据集以及增强和智能注释等辅助技术，以进一步推动工程和多媒体应用中的CAD修复技术发展。该研究发表于《Intelligent Systems with Applications》，为CAD图纸的自动修复与完整性维护提供了重要的理论依据与技术支撑。