本文提出了一种基于Transformer的CAD生成模型，能够自动编码和生成3D形状，并创建了包含178,238个模型的CAD数据集。Model2Scene通过学习CAD模型与语言，解决了CAD模型与真实场景之间的领域差异，显著提升了无标签3D物体检测的性能。DiffCAD实现了从RGB图像中检索和对齐CAD模型的条件生成。

Model2Scene是一种新颖的三维场景感知方法，通过从CAD模型和语言中学习自由的三维场景表示来解决大规模标注点云的问题。该方法实现了无标签三维物体显著目标检测、标签高效三维场景感知和零样本三维语义分割。在ScanNet和S3DIS数据集上实现了令人印象深刻的结果。