如果您的目标是做模型查重或自动化分类，优先尝试 UV-Net；如果是为了实现自然语言搜索零件（如输入“M8 螺栓”），请关注 OpenShape

njsgcs · 2026-03-18 20:31:33 发布

对于您这种拥有 SolidWorks API 开发能力的情况，直接利用 B-Rep（边界表示） 结构的 Embedding 模型是最高效的选择。与通用的点云或体素模型不同，B-Rep 模型能直接处理您获取的“面-边”拓扑关系。

以下是目前学术界和工业界（如 Autodesk）主流的预训练模型及方案：

模型名称	核心机制	适用场景
UV-Net	将每个面采样为 UV 网格图，结合面邻接图进行特征提取。	分类、检索、零件分割。这是最接近 SolidWorks 数据逻辑的模型。
BRepNet	使用拓扑消息传递（Topological Message Passing）直接在面、边上卷。	特征识别（如识别倒角、螺纹孔、槽）。
Brep2Shape	最新的 Transformer 架构，实现了 B-Rep 与通用 3D 形状的对齐。	跨模态检索、语义理解。
OpenShape	将 3D 形状与 CLIP 文本向量对齐。	文字搜 3D 模型，通过文本描述找到相似的 SolidWorks 零件。

如果您想识别零件的功能特征，UV-Net 是最佳选择。

输入：利用 SolidWorks API 对每个 Face 进行 $\times N$ 点采样，记录每个点的坐标 $(x, y, z)$ 和法线 $(n x, n y, n z)$ 。
预训练权重：该模型通常在 ABC Dataset（包含百万级工业 CAD 模型）上预训练，对机械零件的几何特征（如圆柱面、圆锥面）极其敏感。

如果您不想使用复杂的 UV 采样，可以利用您已经拿到的拓扑关系自建轻量级 Embedding：

节点特征 (Node)：面的类型（Plane=1, Cylinder=2…）、面积、中心点。
边特征 (Edge)：连接类型（凹、凸、平）、共同边长度。
模型：使用简单的 GraphSAGE 或 GAT。这种方法虽然没有预训练权重，但针对特定公司内部的零件库，仅需少量标注即可训练出极强的检索能力。

数据集：建议查阅 ABC Dataset，它是 CAD 领域的基础数据集，大多数 B-Rep 模型都是在其上训练的。
工具库：
- DGL (Deep Graph Library)：非常适合处理您从 API 导出的拓扑图。
- Autodesk Research GitHub：他们开源了 UV-Net 和 BRepNet 的核心代码。

建议： 如果您的目标是做模型查重或自动化分类，优先尝试 UV-Net；如果是为了实现自然语言搜索零件（如输入“M8 螺栓”），请关注 OpenShape。