HiFi-BRep：高保真B-Rep生成新框架

边界表示（B-Rep）生成是计算机辅助设计中的一项基础任务，然而直接合成高保真且结构有效的B-Rep仍然是一个重大挑战。现有的深度生成方法存在两种脆弱性：表示脆弱性，由潜在空间中的填充噪声和特征污染引起；以及生成脆弱性，源于顺序错误传播和因不可微的有效性强制导致的训练-推理不匹配。我们提出HiFi-BRep，一种新颖的框架，通过两项协同贡献解决这些局限。首先，拓扑感知编码器通过可学习查询消除填充，并通过拓扑引导注意力防止特征污染，构建高保真潜在表示。其次，单阶段解码器并行联合预测几何和拓扑，将核心流形约束嵌入为可微学习目标。这种设计确保几何与拓扑之间的相互引导，同时避免级联错误。广泛实验表明，HiFi-BRep在结构有效性和几何保真度上显著优于最先进方法，为高质量B-Rep合成提供了稳健解决方案。代码和模型公开于 https://github.com/1nnoh/HiFi-BRep。