RebuildOfHeritage

RebuildOfHeritage 是一个用于碎片重组研究的大型3D文化遗产数据集。该数据集包含51个对象，分为7个类别：城堡、教堂、门廊、雕像、坟墓、墓碑和其他。每个对象生成了100种破碎模式，每个碎片以.ply文件格式存储。数据集主要存储在data文件夹中，包含训练集和验证集的分割文件。此外，还提供了一个small_subset文件夹，包含主数据集的一个小子集，便于快速检查和验证。

RebuildOfHeritage is a large-scale 3D cultural heritage dataset for fragment reassembly research. The dataset contains 51 objects divided into 7 categories: castles, churches, porches, statues, graves, tombstones, and others. Each object has 100 fragmentation patterns, with each fragment stored in .ply file format. The dataset is primarily stored in the data folder, including split files for training and validation sets. Additionally, a small_subset folder is provided, containing a small subset of the main dataset for quick inspection and validation.

原始信息汇总

RebuildOfHeritage 数据集概述

基本信息

• 许可证: CC-BY-4.0
• 语言: 英文
• 数据集大小: 1K < n < 10K

数据集描述

RebuildOfHeritage 是一个面向碎片重组研究的大规模3D文化遗产碎片数据集。数据集包含 51个对象，分为 7个类别：

• 城堡 (castle)
• 教堂 (church)
• 门廊 (porch)
• 雕像 (statue)
• 坟墓 (tomb)
• 墓碑 (tombstone)
• 其他 (others)

每个对象生成了 100种碎裂模式，每个碎片以 .ply 文件格式存储。

数据组织结构

. ├── data/ │ ├── RebuildOfHeritage/ │ ├── RebuildOfHeritage.train.txt │ └── RebuildOfHeritage.val.txt └── small_subset/ ├── RebuildOfHeritage/ ├── RebuildOfHeritage.train.txt └── RebuildOfHeritage.val.txt

• data/: 主数据集，包含训练集和验证集划分
• small_subset/: 主数据集的精简子集，便于快速查看

搜集汇总

数据集介绍

构建方式

RebuildOfHeritage数据集面向文化遗产三维碎片重组的学术研究需求而构建，汇集了51个高精度三维文化遗产对象，涵盖城堡、教堂、门廊、雕塑、墓葬、墓碑及其他共七大类。针对每个对象，通过程序化方式生成了100种不同断裂模式的碎片集合，所有碎片均以标准的.ply三维模型格式存储。数据集的主体与训练/验证划分文件存放于'data'目录下，同时提供了一个小型子集'small_subset'，便于用户快速预览与测试。

特点

该数据集规模在千余至近万件碎片之间，具备显著的类间多样性与类内断裂模式丰富性，能够有效支撑碎片重组算法的训练与评估。每个对象对应百种断裂方式，模拟了真实文化遗产文物损坏的复杂性。数据以清晰的文件结构组织，训练集与验证集划分明确，为深度学习模型的训练与性能验证提供了可靠基础，特别适用于三维点云与网格的拼接与重建研究。

使用方法

研究者可直接从'data/RebuildOfHeritage'目录加载.ply格式的碎片文件，结合'RebuildOfHeritage.train.txt'与'RebuildOfHeritage.val.txt'中的索引列表进行训练与验证集的划分。对于快速原型测试，可优先使用'small_subset'中的精简数据进行模型调试。碎片编号隐含有断裂模式与所属对象的映射关系，便于设计无监督或有监督的碎片配对算法，并开展完整的重组流水线实验。

背景与挑战

背景概述

文化遗产的数字化保护与修复是计算机视觉与图形学领域的重要研究方向，其中三维碎片重组技术对于破损文物的虚拟复原具有关键作用。RebuildOfHeritage数据集由研究团队构建，发布于2023年，旨在提供大规模、标准化的三维文化遗产碎片数据，以推动自动化碎片重组算法的发展。该数据集包含51个文化遗产对象，涵盖城堡、教堂、门廊、雕像、墓碑及墓室等七大类，每件对象生成100种不同的碎裂模式，总计超过5000个三维碎片样本。作为首个专门面向文化遗产碎片重组的大规模三维数据集，它填补了该领域缺乏统一基准的空白，为深度学习方法在文物修复中的应用提供了重要训练与评估平台。

当前挑战

该数据集主要应对两大挑战：一是文化遗产碎片重组领域的核心难题，即如何在碎片几何形状高度不规则、表面退化严重、缺失部分未知的条件下，实现精准的几何匹配与拼接。传统方法依赖手工特征，难以处理大规模、多类别的碎片组合。二是数据集构建过程中产生的挑战，包括如何从复杂文化遗产对象中生成具有物理真实性的碎裂模式，确保碎片边缘的几何细节与真实断裂特征一致；同时需平衡碎片数量的多样性与对象类别间的均衡性，避免某些类别样本稀疏。此外，PLY格式的大规模碎片存储也带来了数据加载与预处理效率的挑战，要求算法具备高效处理海量三维点的能力。

常用场景

经典使用场景

RebuildOfHeritage数据集专为文化遗产碎片的虚拟重组研究而设计，其核心应用场景在于训练和评估三维碎片自动拼接算法。研究人员可利用该数据集中的51件文化遗产物体（涵盖城堡、教堂、门廊、雕像、墓穴、墓碑及其他类别），每件物体均提供100种不同破碎模式的碎片表示，从而在受控条件下模拟真实文物破损的多样性与复杂性。该数据集为开发基于几何匹配、语义分析或深度学习的分割与重组模型提供了标准化的基准，成为碎片装配领域不可或缺的实验平台。

实际应用

在实际应用中，RebuildOfHeritage数据集赋能考古学家与文物保护专家实现高效的数字修复。例如，通过算法自动分析碎片几何特征，可为庞贝古城壁画或大足石刻等不可逆受损文物生成虚拟重组方案，减少物理接触带来的二次损伤。此外，该技术还可拓展至司法鉴定中的碎片物证重建、工业制造中破损零件的逆向工程等领域，展现出跨领域的潜在价值。其贡献在于将传统依赖经验的修复流程转化为数据驱动的精准实践。

衍生相关工作

围绕该数据集衍生出一系列经典工作，包括基于图神经网络的自监督碎片匹配模型、引入对抗式学习优化碎片排列的生成式框架，以及融合多模态特征（如纹理与几何）的鲁棒拼接方法。部分研究还扩展了数据集的模拟碎裂策略，如非平面断裂或渐进式损坏，以增强算法在真实场景下的泛化能力。这些工作不仅推动了碎片装配领域的理论创新，也为后续的大规模文化遗产数据库构建与跨学科协作奠定了方法论基础。