Articulation-XL2.0

一个包含超过48000个高质量关节注释的3D模型的大型数据集，从Objaverse-XL中筛选而来，相较于1.0版本，Articulation-XL2.0包含了具有多个组件的3D模型。

Articulation-XL 2.0 is a large-scale dataset of 3D models with over 48,000 high-quality articulation annotations, curated from Objaverse-XL. Compared to its version 1.0, Articulation-XL 2.0 includes 3D models with multiple components.

原始信息汇总

数据集概述

数据集名称

MagicArticulate

数据集简介

MagicArticulate是一个用于使3D模型具备关节动画准备功能的数据集。

数据集详情

作者

• Chaoyue Song
• Jianfeng Zhang
• Xiu Li
• Fan Yang
• Yiwen Chen
• Zhongcong Xu
• Jun Hao Liew
• Xiaoyang Guo
• Fayao Liu
• Jiashi Feng
• Guosheng Lin

所属机构

• Nanyang Technological University
• Bytedance Seed
• A*STAR

发布时间

2025.2.16

相关链接

• 项目页面
• 论文
• 视频
• 数据集：Articulation-XL2.0

数据集描述

Articulation-XL2.0是一个大规模数据集，包含超过48000个高质量的3D模型关节注释，从Objaverse-XL中筛选而来。与1.0版本相比，Articulation-XL2.0包括具有多个组件的3D模型。

元数据

数据集提供的元数据信息包括：

uuid,source,vertex_count,face_count,joint_count,bone_count,category_label,fileIdentifier

数据可视化

提供了使用Pyrender可视化3D模型骨骼的方法。

序列排序

提供了两种序列排序方式：空间排序和层次排序。

致谢

感谢与Zhan Xu和Biao Zhang的深入讨论。

引用

@inproceedings{ }

数据集统计

• 数据集包含超过48000个3D模型。
• 数据经过去重，超过150K。
• 数据质量经过手动验证。

搜集汇总

数据集介绍

构建方式

Articulation-XL2.0数据集的构建，是从Objaverse-XL中筛选出超过48000个高质量关节注释的三维模型。该数据集在1.0版本的基础上增加了具有多个组件的三维模型，所有带有绑定的数据都经过去重处理，且大部分数据的质量已经经过人工验证。

特点

该数据集的主要特点在于其规模宏大，模型种类丰富，并提供了详尽的元数据信息，包括UUID、来源、顶点数、面数、关节数、骨骼数和类别标签等。此外，数据集还支持三维模型与骨骼的可视化，有利于进一步的研究和应用。

使用方法

用户可以通过Hugging Face的数据集库访问Articulation-XL2.0。数据集的元数据和可视化代码已经提供，用户可以依据自己的需求，利用Pyrender库进行三维模型与骨骼的可视化。同时，该数据集的骨骼生成采用了自回归变换器，能够自然地处理骨架中骨骼或关节数量的变化。

背景与挑战

背景概述

Articulation-XL2.0数据集，由新加坡南洋理工大学与字节跳动种子团队等机构的研究人员共同开发，于2025年发布。该数据集包含超过48K个高质量的3D模型及其关节注解，旨在推进3D模型动画生成领域的研究。 Articulation-XL2.0在原有1.0版本的基础上，增加了具有多个组件的3D模型，为研究提供了更为丰富的数据资源。其对3D模型动画生成领域产生了显著影响，为相关算法的研发和评估提供了重要支撑。

当前挑战

Articulation-XL2.0数据集在构建过程中，研究人员面临了多项挑战。首先，确保3D模型的高质量和注解的准确性是关键，为此进行了大量的数据清洗和手动验证工作。其次，数据集构建中需处理3D模型的多组件结构，增加了数据处理的复杂性。此外，数据集在解决3D模型动画生成问题的同时，还需应对如何高效生成骨骼序列、处理不同数量的骨头或关节等序列建模问题，这些均对算法设计提出了更高的要求。

常用场景

经典使用场景

在计算机图形学及三维建模领域，Articulation-XL2.0数据集的典型应用场景是提供一套大规模、高质量的3D模型及其关节注解，以支持对三维模型自动关节生成算法的研究与开发。该数据集通过其丰富的样本和详尽的元数据，使得研究人员能够深入探索模型关节的自动生成、序列排序以及空间关系建模等关键问题。

解决学术问题

Articulation-XL2.0数据集解决了传统3D模型关节标注工作耗时耗力的问题，其高质量的注解有助于准确评估关节生成算法的性能。此外，数据集中模型的多样性和复杂性也为研究关节生成算法在不同类别和结构下的适用性和鲁棒性提供了可能。

衍生相关工作

基于Articulation-XL2.0数据集，研究者已经开展了一系列相关工作，如利用该数据集进行关节生成算法的改进、3D模型自动配饰设计、以及基于关节的3D模型检索等。这些研究进一步扩展了数据集的应用范围，并推动了计算机图形学领域的学术进展。