FurniScene

FurniScene是由中国科学院自动化研究所创建的大型3D室内场景数据集，包含111,698个精心设计的房间和39,691个高质量家具CAD模型。该数据集涵盖15种不同的房间类型和89种对象类型，覆盖日常生活中的大多数常见物品。FurniScene中的家具展示丰富的几何细节和高分辨率纹理，还包括点云版本和相应的语义标注。数据集旨在支持室内场景生成和理解的研究，特别适用于需要高度真实感和多样性的应用，如游戏开发、虚拟现实和室内设计。FurniScene is a large-scale 3D indoor scene dataset created by the Institute of Automation, Chinese Academy of Sciences. It comprises 111,698 meticulously curated rooms and 39,691 high-quality furniture CAD models. This dataset covers 15 distinct room types and 89 object categories, encompassing most common everyday household items. The furniture in FurniScene exhibits rich geometric details and high-resolution textures, and additionally provides point cloud versions paired with corresponding semantic annotations. The dataset is intended to support research on indoor scene generation and understanding, and is particularly suitable for applications demanding high realism and diversity, such as game development, virtual reality, and interior design.

搜集汇总

数据集介绍

构建方式

在三维室内场景生成领域，数据集的构建质量直接影响算法的性能。FurniScene的构建流程体现了专业性与系统性，其核心在于整合了室内设计专家的创意成果。具体而言，数据集首先从专业设计师处获取了基于SketchUp软件精心设计的室内场景原始资产。随后，通过3DMax软件进行精细的CAD模型提取与坐标轴对齐，确保每个家具模型具有独立的网格结构和规范的朝向。接着，利用Unreal Engine平台及其插件进行场景渲染与语义信息标注，自动化地计算并记录了每个物体的边界框、类别、尺寸、位置与旋转角度。为提升数据多样性，研究团队进一步采用了旋转、概率性删除与替换等数据增强策略，将原始模板场景扩展了百倍规模。最终，通过均匀采样生成了带有语义标签的点云数据，从而构建了这个包含111,698个房间与39,691个独特CAD模型的大规模数据集。

特点

FurniScene数据集在现有三维室内场景数据中展现出若干鲜明特征，其首要优势在于场景的精细度与真实性。数据集中的房间布局均由专业艺术家设计，不仅注重大型家具的摆放，更融入了丰富的装饰性细节，如桌面上的书籍、花瓶与茶杯等，使得平均每个房间包含14.4个物体，最高可达119个，远超同类数据集。其次，数据集规模宏大，涵盖15种房间类型与89种物体类别，从大型床具到小型茶具均被覆盖，确保了场景的多样性与复杂性。此外，所有CAD模型均具备高精度几何细节与高分辨率纹理，同时提供了语义标注的三维网格与点云两种数据形式，为室内场景生成、布局理解与三维语义分割等多类研究任务提供了全面支持。

使用方法

FurniScene数据集为三维视觉与图形学领域的研究提供了丰富的实验平台。在室内场景生成任务中，研究者可利用其提供的房间布局参数（包括物体尺寸、类别、位置与旋转）训练生成模型，例如论文中提出的两阶段扩散模型（TSDSM），该模型首先生成家具列表，再据此生成完整布局，以应对复杂场景的生成挑战。对于场景理解与分割研究，数据集提供的带有语义标签的点云与网格数据可直接用于训练三维语义分割网络。此外，数据集的多样性与高细节度也使其适用于室内设计辅助、虚拟现实内容创建等应用场景。用户可通过解析数据集中的结构化标注信息，灵活地提取所需房间类型、物体类别及其属性，以驱动各类数据驱动的算法开发与评估。

背景与挑战

背景概述

随着计算机视觉与三维场景生成技术的蓬勃发展，室内场景生成在游戏开发、虚拟现实及室内设计等领域展现出巨大应用潜力。然而，现有数据集在场景多样性与真实感方面存在显著局限，往往缺乏对日常生活细节的精细刻画。为此，北京邮电大学与中国科学院自动化研究所等机构的研究团队于2024年提出了FurniScene数据集，旨在构建一个涵盖丰富细节的大规模三维室内场景数据集。该数据集包含111,698个精心设计的房间与39,691个独特的家具CAD模型，覆盖89种对象类型，从大型床铺到咖啡桌上的小茶杯均被囊括。FurniScene通过引入专业室内设计师创作的场景，显著提升了场景的审美质量与真实感，为细粒度室内场景布局生成研究提供了重要数据支撑。

当前挑战

在室内场景生成领域，核心挑战在于如何生成既多样又高度真实的场景布局，尤其是包含大量装饰性小物体的复杂场景。现有方法往往因数据集中小物体类别覆盖不足，导致生成场景单调且偏离真实生活。FurniScene针对此问题，通过纳入40类小型装饰物品，如书籍、花瓶、杯子等，致力于解决场景细节匮乏的难题。在数据集构建过程中，团队面临多重挑战：首先，从原始设计资产中提取高质量CAD模型需耗费大量人力，每个房间的模型分割与坐标轴对齐需耗时数小时；其次，数据标注过程因房间内物体密度高而异常繁琐，平均每个房间需2-3小时完成语义标注；此外，为增强数据多样性而实施的数据增强策略，如旋转、概率删除与替换，需精心设计以保持场景结构合理性，避免产生不自然布局。

常用场景

经典使用场景

在室内场景生成领域，FurniScene数据集凭借其大规模、高细节的特性，成为评估和训练三维场景布局生成模型的基准工具。该数据集涵盖了11万余个精心设计的房间，包含近4万个独特的家具CAD模型，覆盖89种对象类型，从大型床具到小型茶杯等装饰品一应俱全。这种丰富的多样性和精细的几何纹理细节，使得研究者能够在此数据集上开发出更贴近真实生活的室内场景生成算法，推动虚拟现实、游戏开发等应用中的场景真实感提升。

衍生相关工作

FurniScene数据集衍生了一系列经典的室内场景生成工作，其中最具代表性的是论文中提出的两阶段扩散场景模型（TSDSM）。该模型通过首先生成家具列表，再基于列表生成完整布局，有效优化了复杂场景的生成过程。其他相关工作包括SceneFormer、ATISS和DiffuScene等方法，这些研究均在FurniScene上进行了基准测试，推动了自回归模型、扩散模型在场景生成中的创新。这些工作共同深化了对室内场景语义理解和生成技术的探索。

数据集最近研究

最新研究方向

在三维室内场景生成领域，FurniScene数据集的推出标志着对高细节度与真实感场景建模的前沿探索。该数据集凭借其涵盖11万余个房间与近4万件独特家具CAD模型的庞大规模，以及包含从大型床具到小型茶杯等89种物类的精细标注，为室内场景生成研究提供了前所未有的丰富素材。当前研究热点聚焦于利用扩散模型等生成式方法，如论文提出的两阶段扩散场景模型（TSDSM），以解决复杂场景中多对象布局与细节装饰的生成难题。这一进展不仅推动了虚拟现实、游戏开发及室内设计等应用场景的真实感提升，也为三维视觉领域的细粒度语义理解与生成任务设立了新的基准，具有重要的学术价值与应用潜力。

相关研究论文

• FurniScene: A Large-scale 3D Room Dataset with Intricate Furnishing Scenes

  中国科学院自动化研究所 · 2024年