GenHome3D-1280

GenHome3D-1280记录了一个可重复的AI辅助流水线在座椅、桌子、卧室家具、橱柜、办公、入口、儿童、户外、照明、浴室、装饰、纺织品、炊具、餐具和电器等类别中的输出。每个类别包含20个资产，具有稳定的ID、作者定义的尺寸、可搜索的元数据、原始AI参考、生成的预览和自包含的USDZ包。GenHome3D-1280 documents the outputs of a reproducible AI-assisted pipeline across 15 categories including seating, tables, bedroom furniture, cabinets, office furniture, entryway furniture, children’s furniture, outdoor furniture, lighting fixtures, bathroom fixtures, decorations, textiles, cookware, tableware, and electrical appliances. Each category contains 20 assets with stable unique IDs, author-defined dimensions, searchable metadata, original AI references, generated previews, and self-contained USDZ packages.

原始信息汇总

GenHome3D-1280 数据集详情

数据集概述

GenHome3D-1280 是一个记录AI辅助流程生成家居与空间设计对象3D模型的基准数据集，共包含 1,280 个资产，覆盖 64 个类别，每个类别恰好包含 20 个资产。所有资产均以 USDZ 为运行时格式，尺寸单位为米，资产许可为 CC BY 4.0。

内容范围

数据集覆盖以下家居领域：

• 座椅
• 桌子
• 卧室家具
• 橱柜
• 办公家具
• 玄关家具
• 儿童家具
• 户外家具
• 照明
• 卫浴
• 装饰品
• 纺织品
• 厨具
• 餐具
• 家电

资产组成

每个资产包含：

• 稳定的ID
• 作者标注的尺寸
• 可搜索的元数据
• 原始AI设计参考图
• 生成的预览图
• 自包含的USDZ包

模型对比基准（Model Bench）

数据集包含 255 组对比基准：

• 每组包含两个从相同图片生成的模型构建
• 主构建来自 GPT-5.6 Sol，另一构建由 Claude Opus 5（241 个）或 Claude Fable 5（14 个）生成
• 所有构建均缩放至相同尺寸，差异仅在形状而非大小
• 前 68 个 Opus 5 构建经过人工视觉检查，发现 39 个构建中存在 60 个问题，其中 18 个已修复，42 个保留在发布版本中
• 基准重建不包含在 1,280 个资产数据集中，单独存放于 assets/benchmarks/ 目录
• 基准不进行评分

技术检查与验证

• 所有 1,280 个资产均记录自动化包检查结果
• 检查内容包括：舞台完整性、归档安全性、纹理分辨率、边界及放置位置
• Vision Pro 设备审查状态为"待定"，未声称通过 Apple Vision Pro 设备认证
• 数据集明确声明：所有对象未经人工视觉审查，仅通过自动化检查

下载与访问

• 可通过 GitHub 仓库克隆完整集合（约 1.2 GB，含预览图）
• 可通过 Hugging Face 镜像访问（https://huggingface.co/datasets/linxy97/genhome3d-1280）
• 可通过 GitHub Release 下载完整归档文件
• 提供 catalog.json 和 catalog.csv 索引文件，包含ID、标题、类别路径、尺寸、几何计数、下载URL、文件大小、校验和及技术检查结果
• 提供 checksums.sha256 校验清单用于验证所有USDZ包完整性

仓库结构

• assets/ — 运行时USDZ包
• metadata/ — 每个资产的记录文件
• previews/ — 优化后的预览图
• references/ — 原始AI设计参考图
• benchmarks.json — 基准记录
• catalog.json / catalog.csv — 机器可读的完整目录
• METHOD.md — 生成与审查工作流程
• VALIDATION.md — 技术检查及限制说明

来源与限制

数据集通过 OpenAI Codex 辅助的设计、规格说明、程序化 Blender 构建、打包和QA工作流创建。生成的设计参考图指导生产并随结果一起发布，以便直接检查基准。

重要限制声明：

• 资产为生成设计，可能不具唯一性
• 不应视为真实产品的扫描件或权威复制品
• 使用前需自行审查商标、商业外观、安全性、可访问性和监管要求

引用方式

引用元数据可在 CITATION.cff 中找到。重新分发或改编资产时，需注明来源：GenHome3D-1280 contributors — https://github.com/lx2026/genhome3d-1280。

搜集汇总

数据集介绍

构建方式

GenHome3D-1280数据集的构建依托一套可重复的人工智能辅助流水线，涵盖设计、规格制定、程序化Blender建模、打包与质量保证环节。该流水线横跨座椅、餐桌、卧室家具、橱柜、办公、玄关、儿童、户外、照明、卫浴、装饰、纺织品、厨具、餐具及电器等15个广泛类别，每个类别精确包含20个资产，共计1280个三维对象。每个资产均配有稳定的标识符、作者标注的尺寸、可检索的元数据、原始AI设计参考、生成预览图以及自包含的USDZ格式三维包。构建过程严格遵循自动化检查，所有1280个资产均记录在案，但未进行人工视觉审查，确保基准测试的客观性与可复现性。

特点

该数据集的显著特色在于其结构化的基准测试框架与创新的模型对比机制。它提供了255个基准测试组，每组将同一参考图分别交由GPT-5.6 Sol（作为目录构建）与Claude Opus 5或Claude Fable 5（作为对比构建）生成三维模型，并统一缩放至相同尺寸，从而凸显形状差异而非尺寸影响。所有构建均附带自动化技术检查结果，包括阶段完整性、归档安全、纹理分辨率、边界与放置等，且检查全程留痕。此外，数据集包含完整的机器可读索引（catalog.json/csv）与SHA256校验清单，便于验证与复现。其资产采用CC BY 4.0许可，支持自由再分发与改编。

使用方法

使用者可通过GitHub仓库或Hugging Face镜像便捷获取数据集，支持单资产下载或克隆完整集合（约1.2GB含预览）。技术验证可通过`sha256sum --check checksums.sha256`命令校验所有USDZ包的完整性。紧凑的`catalog.json`与`catalog.csv`索引提供了资产ID、标题、类别路径、尺寸、几何计数、下载URL、文件大小、校验和及技术检查结果等元数据，便于程序化访问与分析。USDZ包采用米制单位，专为RealityKit-oriented原型开发与资产流水线研究设计，可直接在Reality Composer Pro中导入测试，但需注意该版本未声明Apple Vision Pro设备认证，用户应在目标硬件上自行验证。仓库还提供可复现的导出脚本`tools/build_publication.py`，支持流水线重放与定制化导出。

背景与挑战

背景概述

GenHome3D-1280数据集由lx2026团队于2023年创建，旨在通过AI辅助流水线生成1,280个家庭与空间设计对象的三维模型，覆盖64个类别，每个类别包含20个资产，以USDZ格式发布，并附带完整的元数据与自动化质量检查。该数据集的核心研究问题在于评估AI辅助三维生成管线的可重复性与可靠性，尤其是在无需人工视觉审查的情况下，通过自动化检查确保模型的结构完整性、纹理分辨率和尺寸一致性。作为三维生成领域的基准测试，它为RealityKit和visionOS原型开发提供了标准化资源，并设立模型对比平台（bench），以促进不同生成模型在同一任务上的透明比较。其影响力体现在为三维资产生成领域提供了可复现的评估基准，推动了AI在空间设计中的应用研究。

当前挑战

该数据集面临的挑战涉及领域问题与构建过程双重维度。在领域层面，三维生成模型需解决从二维参考到三维结构的几何与纹理映射难题，GenHome3D-1280通过严格自动化检查确保模型可用性，但缺乏视觉审查意味着潜在的形状失真或语义错误未被捕获，如bench视觉质检中发现60个问题，42个未修复，凸显了自动评估的局限性。在构建过程中，挑战包括确保跨类别资产的一致性与多样性，所有资产需在米制单位下自包含且符合USDZ标准，同时维持稳定的ID和搜索元数据。此外，模型bench的公平性要求不修改初期生成结果，以真实反映模型能力，但这也导致已知问题被保留，需要在完整性与实用性间权衡。数据集的生成依赖OpenAI Codex辅助，其可重复性依赖于流水线的精确记录，而版权、商标及安全合规要求进一步增加了发布前的审核复杂度。

常用场景

经典使用场景

GenHome3D-1280作为一个精心构建的AI辅助三维家居物体生成基准，其经典使用场景在于为各类生成模型提供统一的评估平台。该数据集包含1280个高质量的USDZ格式三维资产，覆盖64个家居与空间设计相关类别，每类恰好20个对象，并附带原始AI参考图、生成预览及完整的元数据。研究者可依托其结构化的目录索引与校验记录，在RealityKit等环境中复现生成流程，对比不同模型的输出质量，从而定量衡量生成的几何保真度、语义一致性及尺寸准确性，推动三维内容生成技术的可重复性研究。

衍生相关工作

该数据集的发布催生了多个领域的衍生研究，首要的是推动了多模态生成模型的比较研究，例如其内置的255个模型对比基准，为后续工作提供了评估框架，激励了针对Claude、GPT等模型输出差异的深入分析。其次，其详尽的元数据和校验记录为三维形状生成的后处理优化技术（如几何修复与质量提升）提供了丰富的训练和测试素材。此外，数据集公开的自动化检查流程和生成方法论（如METHOD.md）启发了可复现的生成管线设计，促进了标准化的三维资产生产流程，并在数字孪生、虚拟家居定制等前沿方向上提供了数据基石。

数据集最近研究

最新研究方向

GenHome3D-1280数据集的最新研究方向聚焦于构建AI辅助三维建模管线的可重复性基准，旨在客观评估多模态大模型在家庭与空间设计物体生成中的性能差异。该数据集涵盖64个类别共1280个对象，每个对象均附带原始AI参考图与标准化USDZ模型，并通过自动化检查与视觉质量对比（如GPT-5.6 Sol与Claude Opus 5的比对）来揭示模型间的形变特征与缺陷模式。研究前沿强调不掩盖模型初次构建的缺陷，以透明方式记录未修复问题，从而为三维生成模型的鲁棒性、可解释性及跨模型泛化能力提供量化参照。该工作与苹果Vision Pro等空间计算生态的兴起紧密相关，其公开的台架测试数据为开发者优化实时渲染与交互式设计流程提供了宝贵资源，同时为AI生成内容在工业设计、虚拟家居定制等领域的合规性与安全性研究奠定了基础。