建筑布局数据集

该数据集由浙江大学构建，包含约1200个建筑，超过40k个组件块，以及9.6k张从八个不同视角渲染的图像和描述。数据集可用于布局生成、建筑组件检测等领域。数据集的创建旨在为结构化建筑生成提供一个通用的框架，使结构化组件既具有局部细节又具有全局协调性。该数据集的构建填补了现有建筑布局数据集的空白，并为结构化建筑生成提供了高质量的训练数据。

This dataset was constructed by Zhejiang University. It contains approximately 1,200 buildings, over 40,000 component blocks, and 9,600 rendered images and their corresponding descriptions from eight distinct perspectives. This dataset can be applied in fields such as layout generation and building component detection. The creation of this dataset aims to provide a general framework for structured building generation, enabling structured components to have both local details and global coherence. The construction of this dataset fills the gap in existing building layout datasets and provides high-quality training data for structured building generation.

搜集汇总

数据集介绍

构建方式

建筑布局数据集的构建采用了混合方法，结合了生成模型、程序化内容生成（PCG）和大型语言模型（LLM）的优势。首先，从BuildingNet和Sketchfab等平台收集了1.2k栋建筑和42k个组件，并通过人工标注和调整确保了边界框标注的精确性。随后，利用Unreal Engine进行多视角渲染，并通过多模态大型语言模型（如Gemini-Pro和ChatGPT-4）生成与建筑相匹配的文本描述，最终通过人工审核确保了数据的一致性和多样性。

特点

该数据集的特点在于其丰富的结构化信息和多样性。数据集不仅包含建筑组件的边界框标注，还涵盖了详细的风格标签和文本描述，支持从现代住宅到古代教堂等多种建筑类型的生成。此外，通过多视角渲染和文本描述的结合，数据集能够为生成模型提供全局一致性和局部细节的指导，使其在复杂场景中表现优异。数据集的组件类别分布广泛，包括屋顶、墙壁、门窗等13类，确保了生成内容的多样性和实用性。

使用方法

该数据集的使用方法主要分为两个阶段：布局生成阶段（LGP）和建筑构建阶段（BCP）。在LGP阶段，利用基于Transformer的扩散模型生成边界框布局，并通过LLM扩展为规则化布局，整合组件风格和层次结构。在BCP阶段，采用PCG方法根据规则化布局生成结构化建筑，支持局部自定义和全局协调。用户可以通过文本提示生成多样化建筑，并通过编辑边界框实现局部调整，同时保持整体风格的一致性。数据集适用于布局生成、建筑组件检测及相关领域的研究。

背景与挑战

背景概述

建筑布局数据集（BuildingBlock）由浙江大学的研究团队于2025年提出，旨在解决三维建筑生成中的多样性与结构一致性问题。该数据集包含1.2k栋建筑和42k个建筑组件，涵盖13种建筑类别，如屋顶、墙壁、门窗等。通过结合生成模型、程序化内容生成（PCG）和大型语言模型（LLM），BuildingBlock实现了从文本描述到结构化建筑的自动化生成，广泛应用于游戏、虚拟现实和数字孪生等领域。该数据集的提出填补了建筑布局生成领域的数据空白，并为相关研究提供了重要支持。

当前挑战

建筑布局数据集面临的主要挑战包括：1) 领域问题挑战：现有生成方法难以在保持全局结构一致性的同时实现多样化的建筑生成，尤其是在处理复杂层次结构时；2) 构建过程挑战：数据标注需要精确的边界框和文本描述对齐，而建筑组件的多样性和复杂性增加了标注难度；3) 模型训练挑战：生成模型需处理无序的组件布局，同时确保语义一致性，这对网络架构设计提出了更高要求。

常用场景

经典使用场景

建筑布局数据集在三维建筑生成领域具有广泛的应用，特别是在文本驱动的结构化建筑生成任务中。该数据集通过结合生成模型、程序化内容生成（PCG）和大型语言模型（LLM），能够高效生成多样化的建筑布局。其经典使用场景包括游戏开发、虚拟现实环境构建以及数字孪生技术中的建筑建模。通过两阶段流程（布局生成阶段和建筑构建阶段），数据集能够生成具有全局一致性和局部细节的建筑结构，满足高层次的用户描述需求。

实际应用

在实际应用中，建筑布局数据集为多个行业提供了强大的支持。在游戏开发中，开发者可以快速生成多样化的建筑场景，提升游戏环境的丰富性和真实感。在虚拟现实领域，数据集能够生成高度结构化的建筑模型，为用户提供沉浸式的体验。此外，数字孪生技术可以利用该数据集生成精确的建筑模型，用于城市规划、建筑设计和灾害模拟等场景。数据集的灵活编辑功能还使得用户能够对生成的建筑进行局部调整，满足个性化需求。

衍生相关工作

建筑布局数据集衍生了许多相关经典工作，推动了三维建筑生成领域的发展。例如，基于该数据集的BuildingBlock方法结合了生成模型和PCG技术，实现了文本驱动的结构化建筑生成。DiffuScene方法利用扩散模型生成三维场景布局，进一步扩展了数据集的应用范围。此外，LayoutGPT和SceneX等研究通过引入LLM，提升了建筑生成的自然语言理解和推理能力。这些工作不仅验证了数据集的有效性，还为后续研究提供了重要的技术参考和灵感。