CAD Wireframe 神经压缩挑战赛

CAD 模型是现代工业设计的核心数字资产，广泛服务于云端协同、资产检索与数字孪生等场景。然而，高保真 CAD 模型包含海量参数化曲面与复杂拓扑，存储与传输代价高昂。如何在极低存储维度下保留其关键结构化信息，已成为三维智能设计规模化落地的关键瓶颈。

本次竞赛聚焦 CAD 模型中承载拓扑骨架的 Wireframe 结构，邀请全球三维视觉与几何深度学习的研究者，设计从点云输入到Wireframe的端到端的 神经编解码器（encoder-decoder） 。在隐空间最多 4096 个 float32 值 的硬约束下，实现对CAD Wireframe几何与拓扑的高保真压缩与重建。我们期待由此涌现的新方法，能为云端 CAD 资产库、工业元宇宙与三维 AIGC 等下一代应用提供紧凑而结构化的表示基石。

CAD Wireframe

CAD 模型的边界表征 (B-rep) 包含参数化曲面 (Surface)、曲线 (Curve) 以及 vertex-edge-face 之间的拓扑关系。 其中，以曲线为边、以曲线端点/交汇点为节点所构成的Wireframe 是 B-rep 拓扑结构的核心骨架。 不同于非结构化的三角网格或点云，Wireframe以极为紧凑的方式编码了 CAD 模型的拓扑与几何信息：

• 节点 (Vertex) — 表示曲线的端点或多条曲线的交汇点，携带三维空间坐标
• 边 (Edge / Curve) — 表示连接两个节点的曲线段，携带曲线的几何参数（曲线类型、控制点、权重等）或离散采样点序列
• 邻接关系 (Adjacency) — 编码曲线之间的拓扑连接：哪些曲线共享端点、哪些曲线围成同一个面

任务定义

本赛题聚焦于 B-rep 中的Wireframe（不涉及曲面的压缩），要求选手设计基于深度神经网络的Wireframe 编解码器：

• 输入 — CAD 模型表面均匀采样的点云
• 隐空间约束 — 4096 个 float32 值（超出直接记零分）
• 解码输出 — 从隐变量中重建的Wireframe的几何与拓扑

核心挑战

• 几何层面 — Wireframe的点和邻接关系需尽可能精确还原，微小的偏差会导致后续曲面重建失败
• 拓扑层面 — Wireframe的点和邻接关系必须严格保持，错误的邻接会导致模型边界出现缝隙、多余交叉或面片丢失，彻底破坏 CAD 模型的工程可用性

前三名队伍的核心成员有机会获得主办方（Hi3D）提供的实习岗位。
冠军队伍将受邀在 CSIAM GDC 2026 大会优秀学生面对面活动中进行分享。