InteriorGS

一个全面的室内场景数据集，具有3D高斯表示、语义注释和空间占用信息。A comprehensive indoor scene dataset equipped with 3D Gaussian representation, semantic annotations and spatial occupancy information.

原始信息汇总

InteriorGS数据集概述

数据集简介

• 名称: InteriorGS: 3D Gaussian Splatting Dataset of Semantically Labeled Indoor Scenes
• 类型: 室内场景数据集
• 特点: 包含3D高斯表示、语义标注和空间占用信息
• 场景数量: 1,000个室内场景
• 对象实例: 超过554,000个对象实例，涵盖755个类别
• 环境类型: 超过80种室内环境（如家庭、便利店、婚宴厅、博物馆等）

数据集结构

bash InteriorGS ├── 0001_839920 # 3D高斯场景 │ ├── 3dgs_compressed.ply # 高斯点云文件 │ ├── labels.json # 语义标注和边界框 │ ├── occupancy.png # 灰度占用图 │ └── occupancy.json # 占用元数据 ├── 0002_839955 │ ├── 3dgs_compressed.ply │ ├── labels.json │ ├── occupancy.png │ └── occupancy.json └── ...

数据描述

3D高斯模型 (.ply文件)

• 格式: PLY（多边形文件格式）
• 内容: 3D高斯参数（位置、协方差、不透明度、球谐系数）
• 压缩方法: SuperSplat
• 坐标系: XYZ = (右, 后, 上)
• 单位: 米

语义标注

• 边界框: 3D定向边界框（8个角点定义）
• 标签: 对象级语义类别标签和实例ID
• 格式: JSON文件

占用图

• 分辨率: 1024x1024像素（可配置）
• 格式: PNG（灰度） + JSON（元数据）
• 值:
  • 255（白色）: 自由空间
  • 0（黑色）: 占用空间
  • 127（灰色）: 未知空间

应用场景

• 3D场景理解
• 可控场景生成
• 实体代理导航
• 空间智能研究

发布信息

• 初始发布日期: 2025-07-24
• 版本: v1.0（包含500个场景）
• 发布平台: Huggingface (https://huggingface.co/datasets/spatialverse/InteriorGS)
• 样本查看器: https://www.kujiale.com/pub/koolab/koorender/InteriorGS

引用

bibtex @misc{InteriorGS2025, title = {InteriorGS: A 3D Gaussian Splatting Dataset of Semantically Labeled Indoor Scenes}, author = {SpatialVerse Research Team, Manycore Tech Inc.}, year = {2025}, howpublished = {url{https://huggingface.co/datasets/spatialverse/InteriorGS}} }

许可证

• 许可证类型: InteriorGS License
• 许可证链接: https://kloudsim-usa-cos.kujiale.com/InteriorGS/InteriorGS_Terms_of_Use.pdf

致谢

• 使用了SuperSplat仓库的代码 (https://github.com/playcanvas/supersplat)

搜集汇总

数据集介绍

构建方式

InteriorGS数据集通过精心设计的三维环境进行照片级真实感渲染，进而从超过500万张图像中重建基于3D高斯泼溅（3DGS）的表示，构建了高质量的轻量级三维数据。每个场景均经过对象级语义标注，包含755个类别的554,000多个对象实例，每个对象均配有三维边界框。此外，每个场景还提供了支持导航和空间理解的占据图，确保了数据的全面性和实用性。

特点

InteriorGS数据集以其高质量和轻量级的3D高斯泼溅表示著称，支持实时渲染。数据集包含80多种室内环境类型，如住宅、便利店和博物馆等，每个场景均具备详细的语义标注和三维边界框。占据图的分辨率为1024x1024像素，清晰标注了自由空间、占据空间和未知区域，为导航和空间理解任务提供了有力支持。

使用方法

InteriorGS数据集的使用方法包括下载数据集文件并按照提供的结构进行解析。数据集文件包括3D高斯点云文件（PLY格式）、语义标注（JSON格式）和占据图（PNG格式）。用户可以通过提供的示例查看器预览数据，或直接加载文件进行3D场景理解、可控场景生成和具身智能导航等任务。数据集支持多种下游任务，为空间智能研究提供了丰富资源。

背景与挑战

背景概述

InteriorGS数据集由SpatialVerse研究团队与Manycore Tech Inc.于2025年联合发布，标志着室内场景三维语义理解领域的重大突破。该数据集通过创新的3D高斯泼溅（3DGS）技术，构建了包含1000个室内场景的高精度三维表示，每个场景均配备实例级语义标注与空间占据信息，覆盖住宅、商铺等80余类环境。相较于传统基于RGB-D扫描的不完整网格数据或缺乏标注的艺术设计场景，InteriorGS通过500万张照片级渲染图像重建的轻量化三维表征，为空间智能训练、可控场景生成等任务提供了前所未有的研究基础。

当前挑战

在解决室内场景三维理解这一核心问题上，InteriorGS需应对三维几何完整性缺失与多模态标注一致性的双重挑战。现有数据集常因扫描遮挡导致场景结构断裂，或受限于人工建模的标注稀疏性，难以支持连续空间推理。构建过程中，研究团队需攻克大规模3DGS参数优化带来的计算复杂度问题，并设计跨模态对齐机制以确保5.54万个物体实例的755类语义标签与占据地图的空间精确匹配。此外，实时渲染需求促使采用SuperSplat压缩技术，在保持视觉保真度与降低存储开销之间寻求平衡。

常用场景

经典使用场景

在三维视觉与空间智能领域，InteriorGS数据集以其高精度的3D高斯泼溅表示和丰富的语义标注，成为室内场景理解的标杆资源。该数据集广泛应用于三维场景重建算法的验证与优化，尤其在基于学习的点云处理与语义分割任务中表现卓越。研究者可通过其提供的实例级语义边界框和占用地图，精确评估场景解析算法的性能，推动三维几何与语义联合建模的边界。

实际应用

该数据集在智能家居、服务机器人等产业领域展现出巨大潜力。基于其精确的占用地图与语义标注，开发者可训练自主导航系统在复杂室内环境中的路径规划能力。博物馆导览无人机可利用多视角渲染数据优化避障算法，而零售场景的虚拟重建则受益于高质量的三维商品展示。这些应用显著降低了真实场景数据采集的成本与风险。

衍生相关工作

InteriorGS已催生多项三维视觉领域的创新研究，包括基于高斯泼溅的实时语义分割框架GS-SemSeg、联合几何与语义的神经渲染系统OccGS等。其标注体系为3D-LLM提供了可靠的训练数据，推动了大模型在空间推理方面的发展。在2025年CVPR会议中，超过10篇优秀论文采用该数据集进行算法验证，确立了其在三维场景理解领域的权威地位。