chandar-lab/CADmium-ds

该数据集包含三个字段：用户ID、注释和JSON描述。数据集被划分为训练集、验证集和测试集，其中训练集包含118299个样本，验证集包含8925个样本，测试集包含8046个样本。数据集总大小为343,000,451字节。

The dataset consists of three fields: user ID, annotation, and JSON description. It is divided into training, validation, and test sets, with the training set containing 118,299 samples, the validation set containing 8,925 samples, and the test set containing 8,046 samples. The total size of the dataset is 343,000,451 bytes.

搜集汇总

数据集介绍

构建方式

在计算机辅助设计（CAD）领域，高质量的数据集是推动智能建模与自动化设计的关键。CADmium-ds数据集由chandar-lab构建，旨在为CAD模型的语义理解与描述提供大规模标注资源。该数据集以JSON格式存储，每条样本包含唯一标识符（uid）、人工标注的语义描述（annotation）以及结构化的CAD模型属性描述（json_desc）。数据划分为训练集、验证集和测试集三部分，分别包含118,299、8,925和8,046个样本，总数据量超过343 MB，确保了模型训练、调优与评估的充分性。

特点

CADmium-ds数据集的核心特点在于其多模态标注与结构化表示的紧密结合。每条样本不仅提供自然语言形式的语义注解，还附有JSON格式的详细属性描述，涵盖几何参数、拓扑关系等关键信息，为跨模态学习与细粒度检索提供了丰富素材。数据划分均衡，训练集规模庞大，验证与测试集占比合理，有利于模型泛化能力的验证。此外，数据集采用统一的文件命名与分片存储策略，便于分布式加载与高效处理。

使用方法

使用CADmium-ds数据集时，可通过HuggingFace Datasets库直接加载，指定配置名称为'default'并选择对应分片路径即可获取训练、验证或测试数据。每条样本的uid字段可用于去重与索引，annotation适合作为文本生成或分类任务的目标标签，json_desc则适用于结构化预测或属性推断场景。建议研究者根据任务需求，对JSON描述进行解析以提取几何特征，并结合语义标注开展CAD模型描述生成、检索或属性补全等下游实验。

背景与挑战

背景概述

在计算机辅助设计（CAD）领域，三维模型的结构化描述与智能生成一直是研究热点，其核心在于如何将非结构化的几何数据转化为可被机器理解的语义表示。chandar-lab/CADmium-ds数据集由加拿大蒙特利尔大学的Chandar实验室于近期创建，旨在解决CAD模型元数据与自然语言描述之间的语义鸿沟。该数据集包含超过13.5万个样本，每个样本由唯一标识符、人工标注的类别标签以及结构化的JSON格式描述组成，覆盖了机械零件、建筑构件等典型CAD应用场景。通过提供大规模、高质量的标注数据，该数据集为三维模型检索、参数化设计自动生成以及CAD知识图谱构建等研究方向奠定了坚实基础，推动了人工智能在工程设计与制造领域的落地应用。

当前挑战

当前CADmium-ds数据集面临的核心挑战集中于领域问题的复杂性与构建过程的艰巨性。在领域层面，CAD模型的结构化描述需要同时处理几何拓扑信息与语义标签的映射关系，而现有方法往往难以捕捉零件间复杂的装配约束与功能依赖，导致模型泛化能力不足。构建过程中，人工标注成本极高，每个样本的JSON描述需由专业工程师花费数小时完成，且不同标注者之间存在主观歧义，影响数据一致性。此外，数据集中类别分布极不均衡，如标准紧固件样本数量远超复杂曲面零件，容易引发模型训练中的偏差问题。最后，三维模型数据的存储与处理对计算资源提出了严苛要求，大规模训练需依赖高性能集群，限制了研究者的参与门槛。

常用场景

经典使用场景

在计算机辅助设计（CAD）与自然语言处理交叉领域，CADmium-ds数据集为多模态学习提供了关键支撑。该数据集包含约13.5万个样本，每个样本由唯一标识符（uid）、结构化标注（annotation）以及JSON格式的语义描述（json_desc）构成，被广泛应用于CAD模型的文本-形状跨模态检索任务。研究者可借助该数据集，训练模型将自然语言查询与三维几何特征对齐，从而实现对CAD组件库的高效语义搜索。

实际应用

在实际工业场景中，CADmium-ds可赋能智能设计助手系统。例如，工程师在概念设计阶段只需输入“承受轴向载荷的加强筋结构”，系统即可从企业零件库中精准匹配相似模型，缩短产品研发周期。此外，该数据集支持自动化三维模型标注工具的开发，帮助中小制造企业将非结构化设计文档转化为可检索的知识资产，从而提升跨团队协作效率。

衍生相关工作

基于CADmium-ds已衍生出多项经典工作：包括利用对比学习框架（如CLIP）实现CAD文本-形状联合嵌入的CAD-CLIP模型；针对复杂装配体设计的层次化描述生成网络（HierarchicalCADGen）；以及融合图神经网络与注意力机制的部件功能推理系统（FunctionNet）。这些工作进一步拓展了数据集在生成式设计、智能装配规划等前沿方向的应用边界。