sketchai/sam-dataset

---
annotations_creators:
- no-annotation
language_creators:
- other
language: []
license:
- lgpl-3.0
multilinguality: []
pretty_name: Sketch Data Model Dataset
size_categories:
- 1M<n<10M
task_categories: []
task_ids: []
---
# Dataset Card for Sketch Data Model Dataset

## Table of Contents
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Supported Tasks](#supported-tasks-and-leaderboards)
- [Dataset Structure](#dataset-structure)
- [Data Instances](#data-instances)
- [Data Fields](#data-instances)
- [Data Splits](#data-instances)
- [Dataset Creation](#dataset-creation)
- [Curation Rationale](#curation-rationale)
- [Source Data](#source-data)
- [Annotations](#annotations)
- [Personal and Sensitive Information](#personal-and-sensitive-information)
- [Considerations for Using the Data](#considerations-for-using-the-data)
- [Social Impact of Dataset](#social-impact-of-dataset)
- [Discussion of Biases](#discussion-of-biases)
- [Other Known Limitations](#other-known-limitations)
- [Additional Information](#additional-information)
- [Dataset Curators](#dataset-curators)
- [Licensing Information](#licensing-information)
- [Citation Information](#citation-information)

## Dataset Description

- **Homepage:** https://github.com/sketchai
- **Repository:** https://github.com/sketchai/preprocessing
- **Paper:** [Needs More Information]
- **Leaderboard:** [Needs More Information]
- **Point of Contact:** [Needs More Information]

### Dataset Summary

This dataset contains over 6M CAD 2D sketches extracted from Onshape. Sketches are stored as python objects in the custom SAM format.
SAM leverages the [Sketchgraphs](https://github.com/PrincetonLIPS/SketchGraphs) dataset for industrial needs and allows for easier transfer learning on other CAD softwares.

### Supported Tasks and Leaderboards

Tasks: Automatic Sketch Generation, Auto Constraint

## Dataset Structure

### Data Instances

The presented npy files contain python pickled objects and require the [flat_array](https://github.com/PrincetonLIPS/SketchGraphs/blob/master/sketchgraphs/data/flat_array.py) module of Sketchgraphs to be loaded. The normalization_output_merged.npy file contains sketch sequences represented as a list of SAM Primitives and Constraints. The sg_merged_final_*.npy files contain encoded constraint graphs of the sketches represented as a dictionnary of arrays.

### Data Fields

[Needs More Information]

### Data Splits
|Train |Val |Test |
|------|------|------|
|6M |50k | 50k |

## Dataset Creation

### Curation Rationale

[Needs More Information]

### Source Data

#### Initial Data Collection and Normalization

[Needs More Information]

#### Who are the source language producers?

[Needs More Information]

### Annotations

#### Annotation process

[Needs More Information]

#### Who are the annotators?

[Needs More Information]

### Personal and Sensitive Information

[Needs More Information]

## Considerations for Using the Data

### Social Impact of Dataset

[Needs More Information]

### Discussion of Biases

[Needs More Information]

### Other Known Limitations

[Needs More Information]

## Additional Information

### Dataset Curators

[Needs More Information]

### Licensing Information

[Needs More Information]

### Citation Information

[Needs More Information]

---
annotations_creators:
- 无注释
language_creators:
- 其他
language: []
license:
- LGPL-3.0（GNU宽通用公共许可证3.0）
multilinguality: []
pretty_name: 草图数据模型数据集
size_categories:
- 100万<n<1000万
task_categories: []
task_ids: []
---
# 草图数据模型数据集卡片
## 目录
- [数据集描述](#dataset-description)
- [数据集摘要](#dataset-summary)
- [支持任务与排行榜](#supported-tasks-and-leaderboards)
- [数据集结构](#dataset-structure)
- [数据实例](#data-instances)
- [数据字段](#data-fields)
- [数据划分](#data-splits)
- [数据集构建](#dataset-creation)
- [构建初衷](#curation-rationale)
- [源数据](#source-data)
- [注释信息](#annotations)
- [个人与敏感信息](#personal-and-sensitive-information)
- [数据集使用注意事项](#considerations-for-using-the-data)
- [数据集的社会影响](#social-impact-of-dataset)
- [偏差讨论](#discussion-of-biases)
- [其他已知局限性](#other-known-limitations)
- [附加信息](#additional-information)
- [数据集策展人](#dataset-curators)
- [许可信息](#licensing-information)
- [引用信息](#citation-information)

## 数据集描述
- **主页**：https://github.com/sketchai
- **代码仓库**：https://github.com/sketchai/preprocessing
- **相关论文**：[需补充更多信息]
- **排行榜**：[需补充更多信息]
- **联系方式**：[需补充更多信息]

### 数据集摘要
本数据集包含从Onshape平台提取的超过600万张计算机辅助设计（CAD，Computer Aided Design）二维草图。草图以Python对象形式存储于自定义的SAM格式中。SAM基于[Sketchgraphs](https://github.com/PrincetonLIPS/SketchGraphs)数据集适配工业场景需求，可更便捷地在其他CAD软件上开展迁移学习。

### 支持任务与排行榜
支持任务：自动草图生成、自动约束求解

## 数据集结构

### 数据实例
本次提供的npy文件为Python序列化对象，需借助Sketchgraphs的[flat_array](https://github.com/PrincetonLIPS/SketchGraphs/blob/master/sketchgraphs/data/flat_array.py)模块进行加载。其中，normalization_output_merged.npy文件包含以SAM图元与约束列表形式表示的草图序列；sg_merged_final_*.npy文件则包含以数组字典形式编码的草图约束图。

### 数据字段
[需补充更多信息]

### 数据划分
| 训练集 | 验证集 | 测试集 |
|------|------|------|
| 600万 | 5万 | 5万 |

## 数据集构建

### 构建初衷
[需补充更多信息]

### 源数据
#### 初始数据收集与归一化
[需补充更多信息]
#### 源数据生产者
[需补充更多信息]

### 注释信息
#### 注释流程
[需补充更多信息]
#### 注释人员
[需补充更多信息]

### 个人与敏感信息
[需补充更多信息]

## 数据集使用注意事项

### 数据集的社会影响
[需补充更多信息]
### 偏差讨论
[需补充更多信息]
### 其他已知局限性
[需补充更多信息]

## 附加信息

### 数据集策展人
[需补充更多信息]
### 许可信息
[需补充更多信息]
### 引用信息
[需补充更多信息]

原始信息汇总

数据集概述

数据集基本信息

• 名称: Sketch Data Model Dataset
• 大小: 1M<n<10M
• 许可证: LGPL-3.0
• 语言: 不适用
• 多语言性: 不适用
• 注释创建者: 无注释
• 语言创建者: 其他

数据集描述

数据集摘要

• 内容: 包含超过6M的CAD 2D草图，提取自Onshape。
• 存储格式: 以自定义SAM格式存储为Python对象。
• 用途: 利用Sketchgraphs数据集满足工业需求，并支持在其他CAD软件上的迁移学习。

支持的任务

• 任务: 自动草图生成, 自动约束

数据集结构

数据实例

• 文件类型: npy文件，包含Python序列化对象。
• 依赖: 需要Sketchgraphs的flat_array模块加载。
• 特定文件:
  • normalization_output_merged.npy: 包含以SAM原语和约束表示的草图序列。
  • sg_merged_final_*.npy: 包含以数组字典表示的草图约束图。

数据字段

• 信息: 待补充

数据分割

类型	数量
训练	6M
验证	50k
测试	50k

数据集创建

数据收集与规范化

• 信息: 待补充

源数据语言生产者

• 信息: 待补充

注释

• 注释过程: 待补充
• 注释者: 待补充

个人与敏感信息

• 信息: 待补充

使用数据集的考虑

社会影响

• 信息: 待补充

偏见讨论

• 信息: 待补充

其他已知限制

• 信息: 待补充

附加信息

数据集管理者

• 信息: 待补充

许可证信息

• 信息: 待补充

引用信息

• 信息: 待补充

搜集汇总

数据集介绍

构建方式

该数据集的构建基于从Onshape平台提取的超过600万份CAD 2D草图。这些草图以Python对象的形式存储在自定义的SAM格式中，旨在服务于工业需求，并便于在其他CAD软件上进行迁移学习。

特点

Sketch Data Model Dataset的主要特点是包含大量的工业级CAD草图数据，采用SAM格式存储，支持自动草图生成和自动约束任务。数据集分为训练集、验证集和测试集，分别包含600万、5万和5万条数据实例。

使用方法

使用该数据集时，需要借助Sketchgraphs的flat_array模块来加载npy文件中的Python对象。数据集中的草图序列以SAM基本元素和约束的列表形式表示，而约束图则以字典形式编码。用户需根据具体任务对数据进行相应的预处理和加载。

背景与挑战

背景概述

在计算机辅助设计（CAD）领域， Sketch Data Model Dataset 的构建标志着一项重要的研究进展。该数据集由sketchai组织创建，包含超过600万份从Onshape平台提取的2D CAD草图，并以自定义的SAM格式存储。其旨在为工业需求利用Sketchgraphs数据集，促进在其它CAD软件上的迁移学习。尽管数据集的具体创建时间和核心研究问题尚不明确，但其对推动自动草图生成、自动约束等任务的研究具有显著影响。

当前挑战

该数据集的构建过程中面临的挑战包括数据采集与标准化、缺乏详细的注释过程和注释者信息。此外，数据集在解决领域问题如自动草图生成和自动约束的同时，也面临着如何处理社会影响、偏见讨论以及其它已知局限性的挑战。特别是，数据集未提供关于个人敏感信息的内容，这可能引发隐私和伦理问题。

常用场景

经典使用场景

在计算机辅助设计（CAD）领域，Sketch Data Model Dataset数据集的经典使用场景主要集中于自动草图生成与自动约束识别。该数据集通过提供超过600万份从Onshape平台提取的2D CAD草图，为机器学习模型提供了丰富的训练素材，使得模型能够精确地理解和生成工程草图，从而大幅度提升设计效率。

衍生相关工作

基于Sketch Data Model Dataset，衍生出了许多相关的工作，包括但不限于改进草图识别算法、开发新型CAD工具、以及探索草图数据在增强现实（AR）和虚拟现实（VR）中的应用。这些工作进一步扩展了数据集的应用边界，为相关领域的研究提供了新的视角和工具。

数据集最近研究

最新研究方向

在计算机辅助设计（CAD）领域，Sketch Data Model Dataset的构建为自动草图生成与自动约束识别提供了丰富的数据资源。该数据集的近期研究主要聚焦于如何通过深度学习技术，提高草图识别的准确度和效率，以及实现不同CAD软件间的迁移学习。这不仅对工业设计自动化有着重要影响，也推动了创意产业中草图到产品原型转化的智能化进程。