コンピュータ支援設計（CAD）は現代社会に広く浸透しており、ほぼすべての人工物は編集可能なCADツールを用いて設計されています。しかし、編集可能なパラメトリック形式（境界表現B-Rep）のCADデータセットが不足しているため、この分野にはデータ効率の高い手法の開発が重要です。本論文では、新しい自己教師あり事前学習タスクであるマスクドトポロジーモデリング（MTM）を提案します。
MTMは、B-Repに特有の面隣接グラフ構造を利用します。この構造はエンコーダが再構築できるように設計されています。具体的には、一部のエッジをランダムにマスクし、エンコーダのメッセージパッシング後の面特徴から、マスクされた各エッジの凸性と曲線タイプを予測する小型のヘッドを訓練します。これにより、モデルはB-Repのトポロジーと幾何情報を学習します。
性能向上のため、MTMをMoCoスタイルのモメンタムキューを用いた対比学習と組み合わせ、B-Repに適したデータ拡張（ランダム回転やクロッピングなど）を施します。さらに、幅優先探索（BFS）で接続された面領域のマスク再構成目的関数を導入し、局所的な幾何構造の理解を強化します。
本手法は、ABCデータセットと新たに生成したプロシージャルデータセットで事前学習を行いました。ABCデータセットには多数のCADモデルが含まれ、プロシージャルデータセットはルールに基づいて多様なB-Repモデルを生成します。事前学習後、モデルはセグメンテーションや分類などの複数のダウンストリームベンチマークで強力な性能を示し、スクラッチから学習したモデルを大幅に上回りました。
この研究は、CAD分野における自己教師あり学習の新たな方向性を提供し、特に工業デザインなどの応用において、よりデータ効率の高い手法の開発を促進することが期待されます。