Parametric-ControlNet

Multi-modal ControlNet for Parametric Engineering Design（Journal of Mechanical Design, 2025）— 将扩散模型的控制能力扩展到精密工程设计和 CAD 参数化控制。

Overview

• 发布时间：Journal of Mechanical Design, 2025
• 核心目标：解决视觉生成与工业 CAD 设计之间的语义鸿沟
• 关键词：工程参数控制、装配图、多模态融合、零卷积

三模态控制信号

1. 参数化数据与自补全网络

工程数据以数值表格呈现且常含设计留白。引入离散扩散先验作为"副驾驶"，自动推断和补全缺失的尺寸、倒角与拓扑参数，生成 4096 维参数特征向量。

2. 装配图编码器 (Assembly Graphs)

提取系统级别中各零件之间的空间连接逻辑、约束依赖与干涉层级，转换为图神经网络特征。

3. 视觉参考组件

整合组件视觉启发图与设计者指令，通过自注意力机制进行全局多模态特征融合。

架构

• 融合特征注入 3D ControlNet 变体
• 通过零卷积（Zero-convolution）策略，可训练副支路将参数和装配信号逐步融入冻结的底层大模型
• 独立聚合后再进行注意力交叉设计 → 大幅提升训练稳定性与生成公差精度

意义

证明扩散模型在保持创造力的同时能严格遵循物理工程准则，突破了纯艺术生成的局限。

Related

• conditional-generation-3d — 条件生成总览
• gaussian-anything — 几何纹理解耦，对比工程约束

Counter-arguments & data gaps

• 目前主要验证参数化几何控制，真实工业装配的复杂交互逻辑还需进一步验证
• 数值精度（公差级别）与专业 CAD 软件相比仍有差距

Sources

• 三维点云生成条件控制综述 — 2026