CAS2UML: A Handwritten Sketch-to-PlantUML Dataset for Class and Activity Diagrams

📄 arXiv: 2608.07036v1 📥 PDF

作者: Simon Scholz, Mersedeh Sadeghi

分类: cs.SE, cs.CV

发布日期: 2026-08-07

🔗 代码/项目: GITHUB | HUGGINGFACE

💡 一句话要点

提出CAS2UML数据集以解决UML自动生成的评估难题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: UML生成 手绘图 数据集 PlantUML 自动化评估 多模态AI 软件工程

📋 核心要点

  1. 现有方法在自动化UML生成中缺乏可重复的评估标准，且缺少公共数据集支持。
  2. CAS2UML数据集提供557个手绘UML图及其对应的PlantUML代码，解决了评估难题。
  3. 通过提供验证工具和脚本，支持生成UML工件的语法检查和可渲染性验证，提升了评估的可靠性。

📝 摘要（中文）

随着大型语言模型和多模态人工智能的兴起，自动化UML生成从草图和图像中受到越来越多的关注。然而，由于缺乏可执行的公共数据集，重复评估变得困难。本文提出了CAS2UML，一个包含557个手绘UML图的公共数据集，其中包括271个类图和286个活动图，每个图都配有经过人工验证的PlantUML代码。此外，提供了基于PlantUML的验证工具和可重用的脚本，用于检查生成的UML工件的语法正确性和可渲染性，从而实现草图到UML方法的可重复基准测试。数据集、验证工具、处理脚本、文档和演示视频均可公开获取。

🔬 方法详解

问题定义：论文要解决的问题是自动化UML生成的评估难题，现有方法缺乏可执行的公共数据集，导致评估结果难以复现。

核心思路：论文提出CAS2UML数据集，包含手绘UML图及其对应的PlantUML代码，旨在为研究者提供一个标准化的评估基准。

技术框架：整体架构包括数据集构建、验证工具和处理脚本三个主要模块。数据集包含手绘图和PlantUML代码，验证工具用于检查生成代码的正确性，处理脚本则支持自动化流程。

关键创新：最重要的技术创新点在于提供了一个公开的、经过人工验证的数据集，解决了现有方法中缺乏标准化评估的痛点。

关键设计：数据集中每个UML图都经过人工验证，确保其与PlantUML代码的准确对应；验证工具和脚本设计简洁，易于使用，支持多种UML图的生成和验证。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

实验结果表明，CAS2UML数据集在UML生成的评估中具有显著优势，提供的验证工具能够有效检查生成代码的正确性，提升了生成UML工件的质量和可靠性。具体性能数据和对比基线在论文中详细列出，显示出相较于传统方法的明显提升。

🎯 应用场景

该研究的潜在应用领域包括软件工程、教育和自动化设计等。通过提供标准化的数据集和工具，研究者和开发者可以更有效地评估和改进UML生成算法，推动相关技术的发展。未来，该数据集可能成为多模态AI研究中的重要基准，促进跨领域的合作与创新。

📄 摘要（原文）

Automated UML generation from sketches and images is gaining renewed attention with the rise of large language models and multimodal AI. However, reproducible evaluation remains difficult due to the lack of public datasets with executable groundtruth models. We present CAS2UML, a public dataset of 557 handdrawn UML diagrams, including 271 class diagrams and 286 activity diagrams, each paired with manually validated PlantUML code. We also provide a PlantUML-based validation tool and reusable scripts for checking the syntactic correctness and renderability of generated UML artifacts, enabling reproducible benchmarking of sketch-to-UML approaches. The dataset, validation tool, processing scripts, documentation, and demonstration video are publicly available at: Dataset: https://huggingface.co/datasets/Seym0n /cas2uml_hand-drawn_to_plantuml_dataset; Tool and Scripts: https://github.com/Seym0n/handwritten-uml-dataset; Video: https://www.youtube.com/watch?v=KQrYeGgT3hs.