{"id":2508,"date":"2026-09-29T12:34:49","date_gmt":"2026-09-29T10:34:49","guid":{"rendered":"https:\/\/cogita.ai\/?p=2508"},"modified":"2026-09-29T12:34:50","modified_gmt":"2026-09-29T10:34:50","slug":"building-ai-for-technical-drawings-with-drawing2data-bench","status":"publish","type":"post","link":"https:\/\/cogita.ai\/de\/building-ai-for-technical-drawings-with-drawing2data-bench\/","title":{"rendered":"Entwicklung einer KI f\u00fcr technische Zeichnungen mit Drawing2Data-Bench"},"content":{"rendered":"

Eine technische Zeichnung enth\u00e4lt weit mehr als nur ein Bild eines Bauteils. Sie beschreibt Ma\u00dfe, Toleranzen, Bohrungen, Gewinde, Oberfl\u00e4chenbeschaffenheit und Fertigungsanweisungen. Um diese Informationen in verwertbare Daten umzuwandeln, m\u00fcssen kleine Markierungen gefunden, korrekt gelesen und ihre Position auf der Seite beibehalten werden.<\/p>\n\n\n\n

Diese letzte Anforderung ist entscheidend. Ein System k\u00f6nnte beispielsweise Folgendes: 50 \u00b1 0,2<\/code> korrekt auslesen, aber einem falschen Element zuweisen. Bei Software, die Konstruktions- oder Angebotsablaufprozesse unterst\u00fctzt, reicht die Zahl allein nicht aus.<\/p>\n\n\n\n

Drawing2Data-Bench<\/a> ist das Toolkit von COGITA zur Entwicklung und Bewertung von KI f\u00fcr dieses Problem. Es verbindet drei Teile der Arbeit miteinander: die Erstellung beschrifteter Zeichnungen aus CAD‑Dateien, das Testen von Bild-Sprache-Modellen und das Trainieren eines speziellen Detektors.<\/p>\n\n\n\n

Die dokumentierten Experimente zeigen ein aufschlussreiches Muster: Allzweckmodelle k\u00f6nnen zwar einen Gro\u00dfteil des Textes erkennen, doch die pr\u00e4zise Lokalisierung bleibt schwierig. Ein spezieller RF‑DETR‑Detektor erzielt in dem vorgestellten Vergleich die h\u00f6chste Box-Pr\u00e4zision, w\u00e4hrend Gemini 3.5 Flash den h\u00f6chsten Box-F1‑Wert erreicht. Das Verst\u00e4ndnis dieses Unterschieds hilft zu erkl\u00e4ren, warum das Toolkit alle drei Komponenten enth\u00e4lt.<\/p>\n\n\n\n

Was das Repository enth\u00e4lt<\/h2>\n\n\n\n
Komponente<\/th>Was es bewirkt<\/th>Warum das wichtig ist<\/th><\/tr><\/thead>
Generation\/<\/code><\/td>Wandelt 3D‑CAD‑Modelle in 2D‑Zeichnungen und zugeh\u00f6rige Beschriftungen um.<\/td>Erstellt Trainingsbeispiele, ohne dass jede Annotation manuell markiert werden muss.<\/td><\/tr>
Benchmarks\/<\/code><\/td>F\u00fchrt Modelle auf Zeichnungen aus und wertet deren strukturierte Vorhersagen aus.<\/td>Trennt die Qualit\u00e4t der Textextraktion von der F\u00e4higkeit, Annotationen zu finden.<\/td><\/tr>
Extraktion\/<\/code><\/td>Trainiert und wendet den RF‑DETR‑Large-Detektor an.<\/td>Bietet ein spezielles Modell zum Auffinden von Annotationsbereichen.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Der Arbeitsablauf beginnt mit einem CAD‑Modell. Der Generator erzeugt ein Bild und die dazugeh\u00f6rigen Referenzbeschriftungen. Diese Paare k\u00f6nnen dann sowohl zum Trainieren eines Detektors als auch zum Bewerten von Modellen anhand bekannter Antworten verwendet werden. Die Beschreibung jeder Komponente befindet sich in der Repository-\u00dcbersicht<\/a>.<\/p>\n\n\n\n

1. Beschriftete 2D‑Zeichnungen aus 3D‑CAD‑Daten generieren<\/h2>\n\n\n\n

Um ein Bildmodell zu trainieren, ben\u00f6tigt man Beispiele daf\u00fcr, was es erkennen soll. Bei einer technischen Zeichnung k\u00f6nnte das beispielsweise ein Rechteck um eine Bema\u00dfung, eine Beschriftung, die angibt, um welche Art von Bema\u00dfung es sich handelt, sowie den darin enthaltenen Text sein.<\/p>\n\n\n\n

Das Erstellen dieser Beschriftungen von Hand ist zeitaufwendig. Eine einzige Seite kann Dutzende kleiner Annotationen enthalten, und die Person, die die Beschriftungen anbringt, muss sich mit der technischen Notation auskennen.<\/p>\n\n\n\n

Der Generator des Repositorys, AutoDraft<\/strong>, erstellt die Zeichnung und die dazugeh\u00f6rigen Beschriftungen gemeinsam. Es akzeptiert STEP, IGES und BREP<\/strong> Dateien, in denen 3D‑CAD‑Geometrie gespeichert ist. Anhand dieser Geometrie w\u00e4hlt das Programm Ansichten aus, zeichnet das Bauteil, f\u00fcgt Bema\u00dfungen und Beschriftungen hinzu und ordnet diese auf einem Blatt an. Das Ergebnis ist ein PNG‑Bild<\/strong> und COCO‑Annotationen<\/strong>. COCO ist ein g\u00e4ngiges Datensatzformat, das Objekte, deren Kategorien und deren Positionen in einem Bild erfasst.<\/p>\n\n\n\n

\"Generated<\/figure>\n\n\n\n

Eine generierte Zeichnung mit ihren Referenzbeschriftungen. Die roten Boxen stammen aus den Datens\u00e4tzen von Annotationen des Generators; sie stellen die Antworten dar, die ein Detektor lernen soll.<\/em><\/p>\n\n\n\n

AutoDraft unterst\u00fctzt 12 Annotationskategorien, darunter Bema\u00dfungen, Radien, Fasen, Bohrungen, Gewinde, Symbole f\u00fcr Oberfl\u00e4chenbeschaffenheit, Anmerkungen, Tabellen und Ansichtsbeschriftungen. Au\u00dferdem umfasst es GD&T<\/strong>, oder geometrische Bema\u00dfung und Tolerierung, sowie Bezugselemente (Datums) Datumsangaben<\/strong>, die Referenzmerkmale, anhand derer Ma\u00dfe und Toleranzen festgelegt werden.<\/p>\n\n\n\n

Eine Annotation umfasst ihre Kategorie, ihren Text und ihren Begrenzungsrahmen. In zus\u00e4tzlichen Feldern werden Informationen wie der Messwert, die Ansicht und die Angabe, ob eine Bema\u00dfung k\u00fcnstlich erzeugt wurde, gespeichert. Bei den meisten Rahmen steht die Annotation selbst im Mittelpunkt und nicht die L\u00e4ngsma\u00dfangabe oder die F\u00fchrungslinie um sie herum. Eine Tabelle wird durch einen Rahmen dargestellt, der den gesamten Block umgibt.<\/p>\n\n\n\n

Abwechslung hilft einem Modell, mehr als nur ein Layout zu lernen<\/h3>\n\n\n\n

AutoDraft bietet zehn Zeichnungsstile mit unterschiedlichen Blattlayouts, Pfeilspitzen, Textplatzierungen, Toleranzen und Titelbl\u00f6cken. Das Programm kann Schnittansichten erstellen, die innere Merkmale sichtbar machen, sowie vergr\u00f6\u00dferte Detailansichten und separate Ansichten von K\u00f6rpern in einer Baugruppe. Auch die Darstellungsdetails variieren innerhalb eines Stils.<\/p>\n\n\n\n

Dies ist von Bedeutung, da ein Modell, das anhand eines festen Layouts trainiert wurde, m\u00f6glicherweise nur lernt, wo Beschriftungen \u00fcblicherweise erscheinen, anstatt sie zu erkennen. Eine gr\u00f6\u00dfere Bandbreite an Layouts bietet Entwicklern eine bessere Ausgangsbasis f\u00fcr das Training von Modellen, die 2D‑Zeichnungen verarbeiten.<\/p>\n\n\n\n

Da die Beschriftungen Text enthalten, k\u00f6nnten die generierten Daten auch f\u00fcr zuk\u00fcnftige OCR- oder Vision-Language-Fine-Tuning-Prozesse genutzt werden. Der derzeit in diesem Repository bereitgestellte Trainingscode konzentriert sich auf die Objekterkennung.<\/p>\n\n\n\n

Es gibt einen wichtigen Unterschied zu beachten: Einige Spezifikationen sind synthetisch. Werte f\u00fcr die Oberfl\u00e4chenbeschaffenheit werden generiert, und bestimmte andere Annotationen k\u00f6nnen ebenfalls generiert werden, wenn die CAD‑Datei keine eingebetteten Fertigungsinformationen enth\u00e4lt. Diese Elemente werden gekennzeichnet. Sie k\u00f6nnen einem Modell zwar vermitteln, wie ein Symbol oder eine Beschriftung aussieht, doch sollten ihre fiktiven Werte nicht als echte Anforderungen an das Originalbauteil behandelt werden. Siehe die Dokumentation<\/a> zur Generierung zu den unterst\u00fctzten Konventionen und Einschr\u00e4nkungen.<\/p>\n\n\n\n

2. Messen, was Gemini und GPT tats\u00e4chlich extrahieren<\/h2>\n\n\n\n

Ein Vision-Language-Modell<\/strong>, auch bekannt als VLM, akzeptiert sowohl Bilder als auch Text. Drawing2Data-Bench enth\u00e4lt neben dem lokalen Detektor auch Adapter f\u00fcr Gemini- und GPT‑Modelle \u00fcber OpenRouter.<\/p>\n\n\n\n

Der Benchmark fordert jedes VLM auf, strukturierte Merkmale zur\u00fcckzugeben: den Text der Annotation, die Kategorie, den Begrenzungsrahmen und den Konfidenzwert. Die Vorhersagen werden als JSON gespeichert und anschlie\u00dfend mit den Referenzlabels verglichen. \u00dcber eine YAML‑Konfiguration werden der Datensatz, die Modelle, die Metriken und die Anzahl der Beispiele ausgew\u00e4hlt.<\/p>\n\n\n\n

Dadurch lassen sich drei separate Fragen stellen:<\/p>\n\n\n\n

    \n
  1. Hat das Modell die Annotation gefunden?<\/strong> Die vorhergesagte Box muss sich ausreichend mit der Referenzbox \u00fcberschneiden.<\/li>\n\n\n\n
  2. Hat das System die Annotation korrekt gelesen und klassifiziert?<\/strong> Der Text und die Kategorie m\u00fcssen \u00fcbereinstimmen.<\/li>\n\n\n\n
  3. Hat es beides am selben Ort gemacht?<\/strong> Der Text, die Kategorie und die Position m\u00fcssen alle korrekt sein.<\/li>\n<\/ol>\n\n\n\n

    F\u00fcr das Box-Matching verwendet der Benchmark Intersection over Union<\/strong>, oder IoU: die gemeinsame Fl\u00e4che zweier Rechtecke, geteilt durch die von ihnen insgesamt abgedeckte Fl\u00e4che. F\u00fcr eine \u00dcbereinstimmung ist ein IoU‑Wert von \u00fcber 0,5 erforderlich. Dadurch ist die Bewertung strenger als die einfache \u00dcberpr\u00fcfung, ob sich ein Rechteck in der N\u00e4he der richtigen Zahl befindet.<\/p>\n\n\n\n

    Der dargestellte Vergleich<\/h3>\n\n\n\n

    In der Benchmark-Dokumentation wird ein Lauf mit dem Namen benchmark_15<\/code>, unter Verwendung von 15 generierten Zeichnungen. Die folgende Tabelle gibt die Lokalisierungsergebnisse wieder. Alle drei Werte sind umso besser, je h\u00f6her sie sind.<\/p>\n\n\n\n

    Modell<\/th>Box-Genauigkeit<\/th>Box-Trefferquote (Recall)<\/th>Box F1<\/th><\/tr><\/thead>
    Lokaler RF‑DETR‑Detektor (benutzerdefiniert<\/code>)<\/td>0.9777<\/strong><\/td>0.6050<\/td>0.7474<\/td><\/tr>
    Gemini 3.1 Flash Lite<\/td>0.6525<\/td>0.6381<\/td>0.6453<\/td><\/tr>
    Gemini 3.5 Flash<\/td>0.7762<\/td>0.7569<\/strong><\/td>0.7664<\/strong><\/td><\/tr>
    GPT-5.6 Luna*<\/td>0.2066<\/td>0.2029<\/td>0.2047<\/td><\/tr>
    GPT-5.6 Terra<\/td>0.5363<\/td>0.3674<\/td>0.4361<\/td><\/tr>
    GPT-5.6 Sol<\/td>0.5430<\/td>0.5580<\/td>0.5504<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

    Quelle: dokumentierte Benchmark-Ergebnisse<\/a>. Lunas Ergebnisse umfassen 14 Ausgaben, da eine Antwort die maximale Ausgabel\u00e4nge \u00fcberschritten hat. Die Modellnamen sind dem Repository zu entnehmen.<\/em><\/p>\n\n\n\n

    Pr\u00e4zision<\/strong> gibt an, wie hoch der Anteil der vorhergesagten Boxen ist, die mit den Referenzannotationen \u00fcbereinstimmen. R\u00fcckruf<\/strong> gibt an, wie viel vom Referenz-Annotationsbestand gefunden wurde. F1<\/strong> kombiniert beides, sodass ein Modell keinen hohen F1‑Wert erzielen kann, indem es lediglich einige wenige, sehr genaue Boxen zur\u00fcckgibt.<\/p>\n\n\n\n

    Die Pr\u00e4zision des lokalen Detektors von 97.77%<\/strong> ist h\u00f6her als die jedes VLM in diesem Durchlauf. 60.50%<\/strong>Die Trefferquote (Recall) von 60.50% zeigt jedoch, dass dabei immer noch viele Annotationen \u00fcbersehen werden. Gemini 3.5 Flash findet mehr davon und erzielt das beste Gleichgewicht zwischen Pr\u00e4zision und Recall.<\/p>\n\n\n\n

    Diese Boxscores ignorieren Text und Kategorie. Ein korrekt lokalisiertes Rechteck kann als Treffer gewertet werden, selbst wenn sein Text leer ist oder seine Klasse falsch ist.<\/p>\n\n\n\n

    Das Lesen des Textes ist nur ein Teil des Problems<\/h3>\n\n\n\n

    Die Merkmalsmetriken erg\u00e4nzen die Bewertung um Text und Kategorie. In der ersten Spalte unten wird die Position nicht ber\u00fccksichtigt; in der zweiten muss die Annotation zudem an der richtigen Stelle stehen.<\/p>\n\n\n\n

    VLM<\/th>Genauer Text + Kategorie F1<\/th>Genauer Text + Kategorie + Ort F1<\/th><\/tr><\/thead>
    Gemini 3.1 Flash Lite<\/td>0.8352<\/td>0.5922<\/td><\/tr>
    Gemini 3.5 Flash<\/td>0.8615<\/strong><\/td>0.6797<\/strong><\/td><\/tr>
    GPT-5.6 Luna*<\/td>0.8279<\/td>0.1869<\/td><\/tr>
    GPT-5.6 Terra<\/td>0.7246<\/td>0.4033<\/td><\/tr>
    GPT-5.6 Sol<\/td>0.8529<\/td>0.5041<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

    Quelle: dieselbe Benchmark-Ergebnisse<\/a>, mit derselben Ausnahme f\u00fcr Luna, die 14 Ausg\u00e4nge umfasst. Beim exakten Abgleich werden der gespeicherte Text und die Kategorie miteinander verglichen. Tabellenfunktionen verwenden Bezeichnungen wie TITELBLOCK<\/code>; bei diesem Durchlauf wird nicht die Transkription jeder einzelnen Tabellenzelle ausgewertet.<\/em><\/p>\n\n\n\n

    Jedes Modell verliert an Boden, sobald der Standort zu einem Anforderungskriterium wird. Bei Gemini 3.5 Flash sinkt die Punktzahl von 0,8615 bis 0,6797<\/strong>. Bei GPT-5.6 Sol sinkt er von 0,8529 bis 0,5041<\/strong>.<\/p>\n\n\n\n

    Diese L\u00fccke ist f\u00fcr Entwickler die wertvollste Erkenntnis. Ein Modell kann zwar viele korrekte Beschriftungen zur\u00fcckgeben, ohne diese jedoch zuverl\u00e4ssig auf der Zeichnung zu platzieren. Eine \u00fcberzeugende Textantwort belegt daher nicht, dass die Zeichnung korrekt extrahiert wurde. Selbst eine korrekte Lokalisierung der Beschriftungen ist nur ein Schritt auf dem Weg, jede Beschriftung mit dem physischen Merkmal zu verkn\u00fcpfen, das sie beschreibt.<\/p>\n\n\n\n

    \"Predicted<\/figure>\n\n\n\n

    Der Vergleich von sechs Modellen in einer Zeichnung aus dem Repository. Es handelt sich hierbei um Modellvorhersagen, nicht um Referenzrahmen. Die Abbildungen veranschaulichen Unterschiede hinsichtlich der Abdeckung und der Platzierung; die Tabellen oben fassen den berichteten Durchlauf zusammen.<\/em><\/p>\n\n\n\n

    3. Einen spezialisierten RF‑DETR‑Detektor trainieren<\/h2>\n\n\n\n

    Die Extraktionskomponente<\/code> verwendet RF‑DETR Large<\/strong>, einen Objektdetektor, der darauf trainiert wurde, Annotationsbereiche zu finden und zu klassifizieren.<\/p>\n\n\n\n

    Seine Aufgabe besteht darin, Rahmen um Objekte wie Bema\u00dfungen, Anmerkungen und Tabellen zu erstellen. Es gibt ihren Text nicht wieder.<\/strong> Der Benchmark-Adapter gibt f\u00fcr jede Erkennung ein leeres Textfeld zur\u00fcck, was die Nullwerte des Detektors bei den ausgewiesenen Textmetriken erkl\u00e4rt.<\/p>\n\n\n\n

    In der Dokumentation zur Datenextraktion wird ein generierter Datensatz beschrieben, der aus 9.378 Bilder und 228.327 Annotationen<\/strong>, aufgeteilt wie folgt:<\/p>\n\n\n\n

    Split<\/th>Bilder<\/th>Annotationen<\/th><\/tr><\/thead>
    Training<\/td>6,513<\/td>158,727<\/td><\/tr>
    Validierung<\/td>1,886<\/td>45,942<\/td><\/tr>
    Test<\/td>979<\/td>23,658<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

    Trainingsbeispiele dienen dem Training des Modells; Validierungsbeispiele dienen der \u00dcberwachung seines Fortschritts; Testbeispiele werden zur Bewertung beiseite gelegt. Diese Datensatzzahlen beschreiben die dokumentierte Trainingsarbeit, w\u00e4hrend der obige VLM‑Vergleich die separate Benchmark-Konfiguration mit 15 Stichproben verwendet.<\/p>\n\n\n\n

    Der beschriebene Trainingslauf umfasste 20 Epochen, d.\u202fh. 20 Durchl\u00e4ufe durch die Trainingsdaten. Das Trainingsskript wendet zudem Transformationen wie Rotation, perspektivische Verzerrung, Unsch\u00e4rfe, Rauschen und Komprimierung an, um den Detektor mit weniger makellosen Bildern zu konfrontieren.<\/p>\n\n\n\n

    \"RF‑DETR<\/figure>\n\n\n\n

    Die mit dem Repository bereitgestellten, aufgezeichneten Trainingskurven. Die Erkennungswerte verbessern sich im Laufe des Durchlaufs, w\u00e4hrend die Trainings- und Validierungsfehler im Allgemeinen abnehmen.<\/em><\/p>\n\n\n\n

    Die Dokumentation berichtet einen abschlie\u00dfenden Validierungswert von 0,9352 f\u00fcr mAP@50<\/strong> und 0,7245 f\u00fcr mAP@50:95<\/strong> bei den gemittelten Modellgewichten. Hierbei handelt es sich um Objekt-Erkennungswerte: Der zweite bewertet die \u00dcbereinstimmung von Rahmen unter einer Reihe von zunehmend strengeren \u00dcberlappungsanforderungen. Sie stammen aus einem anderen Bewertungsaufbau und sollten getrennt von den F1‑Werten des kleinen Benchmarks betrachtet werden. Die Dokumentation zur Extraktion<\/a> bietet die vollst\u00e4ndigen Trainingsdaten sowie die Ergebnisse pro Kurs.<\/p>\n\n\n\n

    \"RF‑DETR<\/figure>\n\n\n\n

    Das Beispiel zur eigenst\u00e4ndigen Inferenz enth\u00e4lt 14 Erkennungen bei einem Konfidenzschwellenwert von 0,5. Es zeigt die erkannten Bereiche ohne OCR‑Transkription. Es handelt sich um ein eigenst\u00e4ndiges Beispiel, das nicht Teil des oben genannten Vergleichs der sechs Modelle ist.<\/em><\/p>\n\n\n\n

    Im vorgestellten Benchmark \u00fcbertrifft der Detektor vier der f\u00fcnf VLMs bei Box F1 und alle f\u00fcnf bei der Box-Pr\u00e4zision. Dies untermauert einen praktischen Ansatz f\u00fcr die weitere Arbeit: Verwenden Sie ein spezialisiertes Modell, um vielversprechende Bereiche zu identifizieren, und leiten Sie diese Ausschnitte anschlie\u00dfend zur Erkennung an ein OCR‑System oder ein VLM weiter. Das Repository stellt den Detektor und die Auswertungswerkzeuge bereit; diese kombinierte Erkennungs-Pipeline bleibt ein n\u00e4chster Schritt.<\/p>\n\n\n\n

    So k\u00f6nnen Sie das Toolkit ausprobieren<\/h2>\n\n\n\n

    Klonen Sie zun\u00e4chst das Repository und installieren Sie dessen Abh\u00e4ngigkeiten:<\/p>\n\n\n\n

    git clone https:\/\/github.com\/COGITA‑AI\/drawing2data-bench.git\ncd drawing2data-bench\npython -m pip install -r requirements.txt<\/code><\/pre>\n\n\n\n
    Erstellen Sie einen kleinen Datensatz anhand der mitgelieferten CAD‑Beispiele:<\/p>\n\n\n\n
    python -m generation.cli \"generation\/examples\/models\/*.step\" -o dataset<\/code><\/pre>\n\n\n\n
    \u00dcberpr\u00fcfen Sie die generierten Labels vor dem Training:<\/p>\n\n\n\n
    python -m generation.tools.coco_view dataset\/train<\/code><\/pre>\n\n\n\n
    Sofern ein geeigneter Datensatz und eine CUDA‑GPU zur Verf\u00fcgung stehen, lautet der Einstiegspunkt f\u00fcr das Training:<\/p>\n\n\n\n
    python -m extraction.train \\\n  --dataset-dir .\/dataset \\\n  --epochs 20 \\\n  --batch-size 8 \\\n  --grad-accum-steps 2<\/code><\/pre>\n\n\n\n
    Das mitgelieferte Trainingsskript w\u00e4hlt CUDA direkt aus. Die wenigen enthaltenen CAD‑Beispiele sind hilfreich, um den Generator kennenzulernen; zur Reproduktion der dokumentierten Trainingsergebnisse sind der gr\u00f6\u00dfere Datensatz und die entsprechende Konfiguration erforderlich.<\/p>\n\n\n\n
    F\u00fcr die VLM‑Auswertung erl\u00e4utert der Benchmark-Leitfaden<\/a> die Konfiguration und die Einstellung von OPENROUTER_API_KEY<\/code> . Benchmark-Befehle werden ausgef\u00fchrt von Benchmarks\/<\/code>. Der generierte Benchmark-Datensatz hat einen eigenen erwarteten Speicherort, benchmarks\/datasets\/generated\/data\/<\/code>; die blo\u00dfe Erstellung des Trainingsdatensatzes f\u00fchrt noch nicht dazu, dass dieser mit Daten gef\u00fcllt wird.<\/p>\n\n\n\n
    Das Repository enth\u00e4lt einen Link zu einem einem gemeinsamen Artefaktordner<\/a> f\u00fcr gr\u00f6\u00dfere Dateien. Das \u00fcberpr\u00fcfte Git-Checkout enth\u00e4lt den Quellcode, Beispiel-CAD‑Dateien, Dokumentation und Abbildungen, jedoch nicht den vollst\u00e4ndigen Trainingsdatensatz, Checkpoints oder Rohdaten benchmark_15<\/code> Ausgaben.<\/p>\n\n\n\n
    Was diese Ergebnisse belegen<\/h2>\n\n\n\n
    Drawing2Data-Bench bietet einen konkreten Ausgangspunkt f\u00fcr die Generierung von Trainingsdaten und die Bewertung spezifischer Aufgaben zum Verst\u00e4ndnis von Zeichnungen. Die vorgestellten Ergebnisse zeigen, warum Textqualit\u00e4t, Lokalisierungsgenauigkeit und Annotationsabdeckung separat bewertet werden m\u00fcssen.<\/p>\n\n\n\n
    Die derzeitigen Erkenntnisse weisen zudem deutliche Grenzen auf. Der Vergleich basiert auf einer kleinen synthetischen Stichprobe, und laut Dokumentation l\u00e4sst sich der Detektor nur in geringem Ma\u00dfe auf echte gedruckte Zeichnungen \u00fcbertragen. Alle VLMs verwenden eine gemeinsame Eingabeaufforderung und Koordinatenkonvention, sodass es sich um einen Vergleich unter diesen Rahmenbedingungen handelt. Unterschiedliche Eingabeaufforderungen oder Vorverarbeitungsschritte k\u00f6nnten die Rangfolge ver\u00e4ndern. Die Zahlen in diesem Artikel geben die im Repository dokumentierten Experimente wieder; sie wurden f\u00fcr diesen Artikel nicht unabh\u00e4ngig neu durchgef\u00fchrt. Eine neue Reproduktion sollte zudem die Koordinatenskalierung und die Kategorizierung in den aktuellen Adaptern \u00fcberpr\u00fcfen.<\/p>\n\n\n\n
    F\u00fcr Teams, die technische Software entwickeln, macht das Toolkit die n\u00e4chsten Experimente greifbar: Beispiele generieren, die Beschriftungen \u00fcberpr\u00fcfen, Modelle anhand repr\u00e4sentativer Zeichnungen vergleichen und messen, welche Verbesserungen sich ergeben, wenn Erkennung und Textlesung kombiniert werden.<\/p>\n\n\n\n
    Entdecken Sie den Code und die Dokumentation im \u201eDrawing2Data-Bench\u201c-Repository von COGITA<\/a>.<\/p>","protected":false},"excerpt":{"rendered":"
    A technical drawing contains much more than a picture of a part. It describes dimensions, tolerances, holes, threads, surface finish and manufacturing instructions. Turning that information into usable data means finding small marks, reading them correctly and preserving their position on the page. That last requirement matters. A system might read 50 \u00b10.2 correctly but […]<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-2508","post","type-post","status-publish","format-standard","hentry","category-ai-in-business"],"acf":[],"_links":{"self":[{"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/posts\/2508","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/comments?post=2508"}],"version-history":[{"count":2,"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/posts\/2508\/revisions"}],"predecessor-version":[{"id":2530,"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/posts\/2508\/revisions\/2530"}],"wp:attachment":[{"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/media?parent=2508"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/categories?post=2508"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/tags?post=2508"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}