PartVerse

PartVerse是第一个大规模3D对象部件数据集，经过手动标注，包含分解后的每个对象的纹理3D网格、完整的标准化3D网格以及每个部件的描述性文本标题。

PartVerse is the first large-scale manually annotated 3D object part dataset. It includes textured 3D meshes for each decomposed component of every object, complete standardized 3D meshes of the entire objects, and descriptive textual titles for each constituent part.

原始信息汇总

PartVerse 数据集概述

数据集基本信息

• 数据集名称: PartVerse
• 发布机构: CoPart研究团队
• 相关论文: 《From One to More: Contextual Part Latents for 3D Generation》(ICCV 2025)
• 数据集类型: 3D对象部件数据集
• 标注方式: 人工标注

数据集内容

• 数据组成:
  • textureld_part_glbs/: 包含分解后的各部件带纹理3D网格（GLB格式）
  • normalized_glbs/: 提供完整归一化的3D对象网格（GLB格式）
  • text_caption.json: 包含各部件描述文本（通过视觉语言模型自动生成）

数据处理工具

• 统计信息获取: bash python partverse/get_infos.py --data_root ${DATA_PATH}

• 渲染脚本: bash python partverse/render.py --data_root ${DATA_PATH} --out_dir ${OUT_PATH} --num_views 8 --elevation 30

• 文本标注生成: bash python partverse/get_text_caption.py --data_root ${DATA_PATH} --render_root ${RENDER_PATH} --out_path ${OUT_PATH}

下载信息

• 下载地址:
  • Google Drive
  • BaiduYun

相关资源

• 论文链接: arXiv Preprint
• 项目主页: Project
• 视觉语言模型: Qwen2.5-VL-32B

引用格式

bibtex @article{dong2025copart, title={From One to More: Contextual Part Latents for 3D Generation}, author={Shaocong Dong, Lihe Ding, Xiao Chen, Yaokun Li, Yuxin WANG, Yucheng Wang, Qi WANG, Jaehyeok Kim, Chenjian Gao, Zhanpeng Huang, Zibin Wang, Tianfan Xue, Dan Xu}, booktitle={ICCV}, year={2025} }

搜集汇总

数据集介绍

构建方式

在三维物体生成领域，PartVerse数据集的构建遵循严谨的多阶段流程。原始三维网格数据首先通过先进的网格分割算法进行初步分解，随后由专业人员进行人工校正以确保部件边界的精确性。每个分割后的部件均通过视觉语言模型自动生成描述性文本标注，形成完整的部件级三维数据。这种半自动化的构建方式既保证了数据的准确性，又实现了规模化的数据生产。

特点

PartVerse作为首个大规模人工标注的三维部件数据集，其核心价值体现在多层次的数据组织上。数据集提供带纹理的部件级网格、归一化整体网格以及语义丰富的文本描述，构成完整的三维部件表征体系。特别设计的部件优先级筛选机制允许研究者根据需求灵活调整数据粒度，而统一采用的GLB格式确保了数据的兼容性。这种结构化设计为三维生成任务提供了前所未有的细粒度研究素材。

使用方法

该数据集支持多样化的研究场景，用户可通过提供的Python脚本快速获取部件统计信息或进行可视化渲染。数据集包含的渲染脚本支持多视角图像生成，便于二维视觉任务的应用。文本标注模块采用模块化设计，允许研究者替换不同的视觉语言模型来生成定制化描述。通过清晰定义的目录结构和配套工具链，研究者可以便捷地开展三维部件分割、生成或跨模态学习等任务。

背景与挑战

背景概述

PartVerse数据集作为首个大规模手动标注的3D对象部件数据集，由香港大学等机构的研究团队于2025年发布，旨在推动基于部件的3D生成技术发展。该数据集构建于计算机视觉领域对细粒度三维建模需求日益增长的背景下，通过融合几何分割算法与人工校正的双重校验机制，实现了对复杂物体部件级结构的精确表征。其核心研究价值体现在为多部件协同生成框架CoPart提供训练基础，解决了传统整体式3D生成模型在部件可控性与语义一致性方面的瓶颈，对智能制造、虚拟现实等领域的精细化建模具有里程碑意义。

当前挑战

该数据集面临的领域挑战主要来自三维部件语义解耦的复杂性，需同时保证部件几何独立性与其在整体中的拓扑合理性。构建过程中，原始网格数据的非均匀拓扑结构导致自动化分割算法产生大量异常边缘，迫使研究团队开发混合式人工校正流程。部件重要性分级机制虽缓解了数据冗余问题，但微小功能性部件（如螺丝）的取舍标准仍需依赖主观判断。文本标注环节依赖的视觉语言模型存在对几何特征的描述偏差，这要求额外设计后处理规则来保证文本与三维数据的对齐精度。

常用场景

经典使用场景

在三维生成领域，PartVerse数据集为研究者提供了一个丰富的资源库，特别适用于基于部件的三维对象生成任务。该数据集通过手动标注的部件级三维模型和文本描述，为生成模型提供了高质量的输入数据。研究者可以利用这些数据训练模型，生成具有细粒度部件结构的复杂三维对象，这在计算机视觉和图形学领域具有重要价值。

衍生相关工作

围绕PartVerse数据集，研究者已开展多项创新工作。CoPart框架利用该数据集实现了多部件协同生成，通过跨模态注意力机制提升生成质量。此外，基于部件的数据表示也启发了新的三维重建方法，如部件感知的神经表示学习，这些工作显著拓展了三维生成技术的应用场景。

数据集最近研究

最新研究方向

随着三维生成技术的快速发展，PartVerse数据集的发布为基于部件的三维建模研究开辟了新路径。该数据集作为首个大规模人工标注的三维部件数据集，其核心价值在于提供了丰富的部件级几何与纹理信息，以及自动生成的语义描述。当前研究热点集中在多模态部件生成领域，特别是如何通过上下文潜在空间实现部件间的几何一致性生成。ICCV 2025收录的CoPart框架展示了通过跨部件注意力机制协调多部件生成的前沿方向，这一突破性进展将显著提升复杂装配体建模的自动化水平。数据集配套的渲染脚本与文本标注工具链，更为视觉-语言模型在三维领域的应用提供了标准化研究平台。