ArchCAD-400K|建筑信息模型数据集|计算机辅助设计数据集

ArchCAD-400K是一个大规模的建筑CAD绘图数据集，由同济大学等机构创建。该数据集包含5538份高度标准化的绘图，共计413062个图元块，是现有最大CAD数据集的26倍以上。数据集在绘图多样性和分类范畴上都有所扩展，提供了细致的线粒度注释。数据集的构建采用了自动化注释引擎，大大降低了人工标注的成本。ArchCAD-400K旨在推动建筑行业中AI模型的发展，特别是在建筑设计和施工方面。

AI搜集汇总

数据集介绍

构建方式

ArchCAD-400K数据集的构建采用了创新的CAD数据标注引擎，通过系统归档的CAD图纸中的固有属性自动生成高质量标注，大幅降低了人工标注成本。该数据集包含来自5538张高度标准化图纸的413,062个片段，规模超过现有最大CAD数据集的26倍。构建过程中，数据源限定为领先设计机构完成的图纸，并采用全矢量化标注流程以确保数据质量，专家团队对自动标注结果进行了审核与修正。

特点

ArchCAD-400K以其卓越的规模与多样性著称，覆盖了住宅建筑（仅占14%）与大型公共及商业设施等多种建筑类型。图纸平均面积达11,000平方米，远超同类数据集，其中4.4%的图纸面积超过100,000平方米。数据集提供细粒度的线级标注，包含27个语义类别，涵盖结构构件、非结构元素及图纸标注等，其中14个类别各含超过100万个图元，为建筑行业的AI模型研发提供了丰富资源。

使用方法

该数据集支持全景符号识别任务的研究与应用，用户可通过解析SVG格式的文件结构获取每个图元的语义标签、实例标识及可视化颜色信息。配套提出的双路径符号识别框架DPSS，采用自适应融合模块增强图元特征与图像特征的互补性，在FloorPlanCAD和ArchCAD-400K上分别实现了3%和10%的性能提升。数据集按7:1:2比例划分为训练、验证和测试集，确保模型评估的严谨性。

背景与挑战

背景概述

ArchCAD-400K是由同济大学、华东建筑设计研究院、上海人工智能实验室等机构联合构建的大规模建筑CAD图纸数据集，发布于2025年。该数据集针对建筑CAD图纸中的全景符号识别任务，包含来自5,538张标准化图纸的413,062个标注块，规模超过现有最大数据集的26倍。其创新性地开发了基于图层-块结构的自动化标注引擎，将标注效率提升10倍以上，同时覆盖住宅、商业综合体、工业园等多样化建筑类型，平均图纸面积达11,000平方米，并扩展至27类结构/非结构元素，为建筑设计自动化与BIM应用提供了重要基础设施。

当前挑战

在领域问题层面，ArchCAD-400K需解决建筑符号的跨尺度识别难题：1) 同类符号在不同图纸中存在几何变形（如六种门符号变体）；2) 异类符号的形态相似性（矩形可能代表柱/孔洞/家具）；3) 密集线条干扰下的实例分离（如重叠的管线与梁）。在构建过程中面临：1) 非标准图纸的图层命名歧义需设计正则匹配算法；2) 混合图元的语义歧义需人工校正；3) 超大图纸（超10万平方米）的矢量标注存储与处理优化问题。

常用场景

经典使用场景

ArchCAD-400K数据集在建筑CAD图纸的全景符号识别任务中展现了卓越的应用价值。该数据集通过高效的自动化标注引擎，生成了超过413,000个标注块，覆盖了多种建筑类型和空间尺度。其标注粒度精细至线条级别，为深度学习模型提供了丰富的训练样本，显著提升了符号识别的准确性和鲁棒性。

解决学术问题

ArchCAD-400K解决了建筑CAD图纸符号识别中的多个关键学术问题。首先，它通过自动化标注大幅降低了人工标注成本，解决了传统方法中标注效率低下的瓶颈。其次，数据集的大规模和多样性为模型泛化能力提供了坚实基础，克服了以往数据集在建筑类型和空间尺度上的局限性。此外，其精细的语义分类（如结构组件、非结构元素和图纸标注）为复杂场景下的符号识别研究提供了新的可能性。

衍生相关工作

ArchCAD-400K的发布催生了一系列创新性研究。其中，双通路符号识别器（DPSS）通过自适应融合模块整合了原始特征和图像特征，在符号识别任务中实现了最先进的性能。此外，该数据集还激发了基于图注意力网络（GAT）和点集表示的新方法探索，推动了建筑CAD分析领域的算法进步。