开源三维CAD模型机器学习数据集

mlightcad
809 阅读4分钟

随着深度学习在计算机视觉和几何建模领域的广泛应用，三维CAD模型数据集成为研究的重要基石。尤其在三维重建、形状分类、语义分割、零件分解、逆向建模、几何生成等方向，开源CAD模型数据集推动了算法发展与评估。本文将综述当前主流的开源三维CAD模型机器学习数据集，涵盖其特点、应用任务及使用建议。

1. ShapeNet

  • 发布时间：2015
  • 数据量：约 51,300 个模型
  • 数据格式：.obj/.off
  • 类别数：55 个大类（ShapeNetCore.v2）
  • 任务支持：分类、检索、分割、生成、形状完成等
  • 特点：
    • 大规模，手工标注的类标签
    • 一致的坐标系、对齐和归一化
    • ShapeNetSem 提供细粒度语义信息
  • 局限性：面片质量参差不齐，缺少工程语义结构（如参数、约束等）

2. ModelNet

  • 发布时间：2014
  • 数据量：ModelNet10（4,899），ModelNet40（12,311）
  • 数据格式：.off
  • 任务支持：3D形状分类、检索
  • 特点：
    • 高质量封闭多边形网格
    • 广泛用于基准测试
  • 局限性：未提供CAD级参数信息；类别有限，样本偏少

3. ABC Dataset

  • 发布时间：2019
  • 数据量：百万级（∼1M CAD模型）
  • 数据格式：STEP（.stp）、解析曲面信息
  • 任务支持：几何建模、重建、参数提取、几何特征检测
  • 特点：
    • 来源于Onshape等CAD系统，包含精确的B-rep曲面（例如圆柱、圆锥、NURBS等）
    • 自动标签，适合用于几何重建/逆向工程任务
  • 局限性：模型不含语义类别信息，样式重复较多

4. Fusion 360 Gallery Dataset

  • 发布时间：2021
  • 数据量：约 58,000 个设计
  • 数据格式：Fusion 360 JSON、B-rep、mesh
  • 任务支持：参数建模、草图理解、建模指令预测
  • 特点：
    • 来自真实用户的建模历史记录
    • 包含建模操作序列（sketch → extrude → fillet等）
    • 非常适合用于学习 CAD 操作建模流程
  • 局限性：需要解析专有数据格式，任务构造复杂

5. DeepCAD Dataset (by Siemens)

  • 发布时间：2022
  • 数据量：约 6,000 个STEP模型
  • 数据格式：.step + parsed graph
  • 任务支持：零件结构理解、几何图学习、参数提取
  • 特点：
    • 每个模型带有参数树（包括尺寸、草图、拓扑操作）
    • 用于图神经网络、参数建模研究
  • 局限性：数据规模仍偏小，缺少语义标签

6. PartNet & PartNet-Mobility

  • 发布时间：2019（PartNet）和2020（Mobility）
  • 数据量：
    • PartNet：26,671 个模型（ShapeNet子集），包含细粒度部件标签
    • PartNet-Mobility：2,000+ 可动部件模型（含运动类型与约束）
  • 任务支持：语义分割、结构理解、运动建模
  • 特点：
    • 层级结构标注（如椅子 → 座椅 → 垫子）
    • 提供运动结构信息（Mobility）
  • 局限性：为静态网格模型（非原始CAD），面向认知建模场景多于工程场景

7. SolidGen Dataset (by Nvidia)

  • 发布时间：2023
  • 数据量：50,000+ CAD程序（基于Constructive Solid Geometry）
  • 数据格式：CSG程序 + 结果网格 + 参数
  • 任务支持：程序生成、CSG推理、建模流程学习
  • 特点：
    • 用CSG表达模型构造逻辑（如union、difference等）
    • 支持从网格逆推CSG程序
  • 局限性：相较实际工业建模工具（如Fusion）仍简化

8. SMCAD (Semantic Mechanical CAD)

  • 发布时间：2022
  • 数据量：约 10,000 个机械零件
  • 数据格式：STEP、mesh + 语义标签（齿轮、螺栓等）
  • 任务支持：零件识别、语义分割、检索
  • 特点：
    • 面向机械领域，提供真实语义类别
    • 精确建模格式，可用于图神经网络建模
  • 局限性：数据量中等，类别集中于常见机械构件

数据集对比表格

数据集名称模型数量数据格式是否含B-rep/参数支持任务是否含语义标签
ShapeNet~50k.obj/.off否分类、分割、生成是
ModelNet~12k.off否分类、检索否
ABC~1M.step/.brep是重建、特征提取否
Fusion360 Gallery~58kJSON/B-rep是操作建模预测部分
DeepCAD~6kSTEP + graph是几何图、参数学习否
PartNet~26kmesh否分割、结构建模是
PartNet-Mobility~2kmesh + 运动信息否动作建模是
SolidGen~50kCSG程序 + 网格是程序生成否
SMCAD~10kSTEP + mesh是分类、语义建模是

总结与建议

  • 通用识别任务：推荐使用 ShapeNet, ModelNet, 和 PartNet
  • 工程建模/参数提取任务：推荐使用 ABC, Fusion 360, DeepCAD
  • 程序生成/逆向建模：推荐使用 SolidGen, Fusion 360 Gallery
  • 机械领域识别与分类：推荐使用 SMCAD
avatar
文章
阅读
粉丝