PartTrellis-predictions

该数据集是PartTrellis预测数据集的补充版本，提供了被截断的tar文件的完整替代品。原始数据集（AuroraRyan/PartTrellis-predictions）在上传过程中因存储配额限制导致8个tar文件被截断。本数据集包含31个部分文件，每个原始tar被分割为200个对象的子部分（后缀_pa至_pd），经过大小验证确保完整。数据集包含两个子集：test986（包括多种方法生成的网格，如slatorig100k_fit、xpart_meshes_fit、xpart_meshes_hy3d、partpacker_meshes_fit）和wild200（qual200_xpart）。该数据集主要用于3D部分感知评估任务，仅限研究用途。This dataset is a supplementary version of the PartTrellis predictions dataset, providing complete replacements for truncated tar files. The original dataset (AuroraRyan/PartTrellis-predictions) had 8 tar files truncated due to storage quota limits during upload. This dataset contains 31 part files, each original tar split into sub-parts of 200 objects (suffixes _pa to _pd), verified for completeness by size checks. It includes two subsets: test986 (containing meshes generated by multiple methods, such as slatorig100k_fit, xpart_meshes_fit, xpart_meshes_hy3d, partpacker_meshes_fit) and wild200 (qual200_xpart). This dataset is primarily used for 3D part-aware evaluation tasks, restricted to research purposes only.

原始信息汇总

PartTrellis预测数据——替代压缩包

数据集概述

该数据集提供PartTrellis预测结果的完整替代压缩包，用于修复主数据集在存储配额限制下出现的文件截断问题。

背景说明

• 主数据集地址：AuroraRyan/PartTrellis-predictions
• 问题原因：上传过程中主账户存储配额耗尽，导致8个tar文件被静默截断
• 解决方式：本数据集提供经过完整大小验证的替换文件

文件结构

每个被截断的原始tar被拆分为多个分片（后缀 _pa 至 _pd），需提取同一分片的所有部分以还原原始内容：

测试集（test986）分片

• meshes_slatorig100k_fit_000_p{a..d}.tar（4部分）
• meshes_slatorig100k_fit_001_p{a..d}.tar（4部分）
• xpart_meshes_fit_000_p{a..d}.tar（4部分）
• xpart_meshes_fit_001_p{a..d}.tar（4部分）
• xpart_meshes_hy3d_000_p{a..d}.tar（4部分）
• xpart_meshes_hy3d_001_p{a..d}.tar（4部分）
• partpacker_meshes_fit_001_p{a..d}.tar（4部分）

野外测试集（wild200）分片

• qual200_xpart_p{a..c}.tar（3部分）

共31个分片文件。

使用说明

• 主数据集的其他文件无需变动，仅需替换原8个被截断的tar文件
• 文件命名、格式及来源的详细文档请参阅主数据集的README说明

许可信息

• 许可证类型：research-only（仅限研究用途）
• 说明：模型输出基于各作者发布的模型生成，仅供研究对比使用

搜集汇总

数据集介绍

构建方式

PartTrellis-predictions数据集系针对三维部件感知任务所构建的模型预测结果集合，其构建源于对各方法作者所发布模型的推理输出进行系统化归集与整理。原始预测数据集在上传过程中因存储配额限制导致8个tar文件被静默截断，为保障数据完整性，该替换仓库将每个受损的原始tar文件按200个对象为单位拆分并重新打包，形成后缀为_pa至_pd的若干部分，所有部分解压后与原始分片内容严格一致，且每个文件均经过尺寸校验。这一补救式构建策略确保了预测结果在分布式存储条件下的可恢复性与可验证性，为后续评估提供了可靠的数据基础。

特点

该数据集的核心特征在于其部件感知属性与评估导向定位。所有预测结果均对应三维网格的部件级生成或分割输出，涵盖slatorig、xpart、hy3d、partpacker等多种方法在fit与hy3d配置下的预测，并区分test986与wild200两个测试场景。数据以tar分片形式组织，每个分片被切分为多个200对象的小包，便于在存储受限环境下进行分块传输与校验。许可证限定为研究用途，仅用于方法间的对比性评估，不适用于商业场景，体现了其作为学术基准资源的谨慎定位。

使用方法

使用该数据集时，研究者应首先从主预测数据集仓库获取除8个被截断tar文件之外的全部内容，再以本替换仓库中的31个分片作为对应文件的完整替代。针对每个受损分片，需下载其全部部分文件并解压至同一目录，以还原原始tar的完整内容。解压后的数据格式、命名规则与来源信息遵循主仓库README中的说明，可直接用于部件感知三维生成或分割方法的定量比较。使用者需遵守仅限研究的许可条款，不得将数据用于商业目的或未经授权的再分发。

背景与挑战

背景概述

在三维视觉与生成模型评测日益依赖大规模基准的背景下，PartTrellis-predictions数据集于2024年发布，旨在为部件感知的三维网格生成方法提供统一的预测结果评测资源。该数据集由独立研究者AuroraRyan构建，主要面向三维部件级生成与重建任务，汇集了多种先进模型的输出，以支持公平、可复现的横向比较。其核心研究问题在于如何系统评价不同方法在细粒度部件分解与生成上的表现，进而推动三维内容创作、编辑与理解等下游应用的发展。

当前挑战

该数据集所应对的领域挑战在于部件感知三维生成缺乏公认的标准化评测基准，导致方法间难以直接对比。构建过程中的挑战尤为突出：主数据集在上传过程中遭遇存储配额限制，导致8个tar文件被静默截断，破坏了数据的完整性与可复现性。为此，需将原始分片重新切分为多个部分并逐一校验大小，确保每个分片在重组后与原内容完全一致，同时维持命名、格式与来源的可追溯性，这为数据管理和分发带来了额外的技术复杂性。

常用场景

经典使用场景

在三维计算机视觉与生成式建模领域，部件感知（part-aware）的三维网格生成与评估长期依赖标准化基准。PartTrellis-predictions数据集正是面向这一需求构建的预测结果集合，其经典使用场景在于为三维部件级网格生成方法提供统一、可复现的评测基准。研究者将各方法（如SLAT、XPart、HY3D、PartPacker等）在测试集上生成的网格预测统一归档，通过对比预测网格与真实部件标注之间的几何与语义一致性，系统评估模型在细粒度部件分解与重构任务上的表现，从而支撑公平的横向比较与方法迭代。

衍生相关工作

围绕该数据集，已衍生出一系列与部件感知三维生成相关的研究工作，涵盖基于SLAT表示的网格生成、XPart部件分解框架、HY3D生成模型以及PartPacker打包式生成方法等。这些工作多以该数据集作为评测基准，报告其在测试集上的部件级生成指标。此外，该数据集对截断文件的修复与分片发布方式，也为大规模预测结果的托管与版本管理提供了可借鉴的工程实践，间接促进了三维生成领域评测基础设施的完善。

数据集最近研究

最新研究方向

在三维部件感知生成与评估领域，PartTrellis-predictions数据集的最新研究方向聚焦于方法输出的一致性与可复现性验证。随着三维部件级生成模型（如XPart、PartPacker等）的快速发展，研究者亟需标准化的预测结果集以支撑公平比较。该数据集通过提供经尺寸校验的完整替换分片，解决了原始上传中因存储配额导致的截断问题，确保了评估基准的完整性。其分片打包策略（每200个对象拆分）为大规模三维网格预测的分布式存储与传输提供了实践参考，推动了部件感知三维生成在学术研究中的可重复性标准建设，对三维内容创作、机器人操作等下游任务具有基础性支撑意义。