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

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1. 核心预训练模型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。2. 推荐的 Embedding 方案方案 A基于 UV-Net 的面特征嵌入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N × N N \times NN×N点采样记录每个点的坐标( x , y , z ) (x,y,z)(x,y,z)和法线( n x , n y , n z ) (nx,ny,nz)(nx,ny,nz)。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。方案 B基于图神经网络 (GNN) 的自定义嵌入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Plane1, Cylinder2…、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。3. 开发者资源数据集建议查阅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。