FllumaOne-100K
收藏资源简介：
FllumaOne-100K是一个包含100,000个核验证程序化CAD样本的代码原生多模态CAD数据集，设计用于学习可编辑的CAD结构，而不仅仅是最终形状几何。它包括可执行的Python CAD程序、结构化特征树、紧凑训练IR、STEP几何、表面点云、规范渲染视图、文本监督和验证元数据。
FllumaOne-100K is a code-native multimodal CAD dataset containing 100,000 verified procedural CAD samples, designed for learning editable CAD structures rather than just final shape geometry. It includes executable Python CAD programs, structured feature trees, compact training IR, STEP geometry, surface point clouds, standardized rendered views, textual supervision, and validation metadata.
数据集概述
FllumaOne-100K 是一个面向代码的原生多模态计算机辅助设计（CAD）数据集，包含 100,000 个经过内核验证的程序化 CAD 样本。该数据集旨在支持可编辑 CAD 结构的学习，而非仅关注最终形状几何。
数据集规模与划分
- 总数: 100,000 个样本
- 训练集: 80,000 个样本
- 验证集: 10,000 个样本
- 测试集: 10,000 个样本
数据组成与格式
每个样本包含以下内容：
- 可执行的 Python CAD 程序 (
program.py) - 结构化特征树 JSON 文件 (
feature_tree.json) - 紧凑的训练导向中间表示 (
training_ir.txt) - STEP 几何导出文件 (
model.step) - 表面点云 NumPy
.npz文件 (point_cloud.npz) - 八张标准特征感知可见边缘渲染图（位于
images/canonical/目录） - 确定性及大语言模型辅助的文本描述（
text/descriptions.json、text/llm_descriptions.jsonl） - 验证元数据（
metadata.json）
原始数据集按 100 个分片目录组织（shard_0000/ 至 shard_0099/），每个分片包含 1,000 个样本目录。此外，还提供机器学习就绪的 Parquet 表格（parquet/train.parquet、parquet/val.parquet、parquet/test.parquet），包含样本ID、类别、程序文本、特征树、训练IR、元数据、描述、图像及大文件引用等列。
支持的任务
- 文本到 CAD 生成
- 图像到 CAD 生成
- 点云到 CAD 重建
- CAD 程序合成
- 特征树预测
- 训练中间表示生成
- 跨模态 CAD 检索
- B-rep 特征提取
- 自回归设计自动补全
- 可编辑逆向工程
基线任务：文本到程序生成
本仓库研究的是文本到程序 CAD 生成任务。模型根据自然语言提示，生成使用 Flluma API 的 Python 程序。评估分为两个阶段：
- Python 级别检查: 语法有效性、所需
part定义、源代码相似度和操作序列指标。 - Flluma 执行检查: 程序加载、CAD 构建成功、内核实体有效性和 STEP 导出有效性。
模型与训练配置
- 基础模型:
Qwen/Qwen2.5-Coder-1.5B-Instruct - 微调方法: LoRA
- 提示模式: 混合使用确定性和大语言模型描述
- 最大序列长度: 4096
- 训练轮数: 1
- 学习率: 2e-4
- LoRA 秩: 16
- LoRA alpha: 32
- LoRA dropout: 0.05
- 有效训练批次大小: 8
- 报告 GPU: NVIDIA GeForce RTX 5060 Ti 16GB
环境要求
- Python 3.12
- PyTorch 2.10.0+cu128
- Transformers 5.5.0
- Datasets 4.3.0
- Accelerate 1.13.0
- PEFT 0.19.1
- Safetensors 0.7.0
- PyArrow 23.0.1
报告结果摘要
全测试集结果
| 指标 | 数值 |
|---|---|
| 测试样本数 | 10,000 |
| Python 语法有效率 | 99.98% |
所需 part 定义率 |
99.98% |
| Flluma 加载成功率 | 99.97% |
| Flluma 构建成功率 | 99.97% |
| 内核实体有效率 | 99.14% |
| STEP 导出有效率 | 99.14% |
| 平均源代码相似度 | 87.34% |
| 操作精确率/召回率/F1 | 99.97%/99.95%/99.96% |
| 操作最长公共子序列比例 | 99.94% |
几何相似度评估（归一化对称 Chamfer 距离）
在 9,909 个点云对上评估：
| 指标 | 数值 |
|---|---|
| 平均 Chamfer 距离 | 0.00212409 |
| 中位数 Chamfer 距离 | 0.00149057 |
| P90 Chamfer 距离 | 0.00350186 |
| P95 Chamfer 距离 | 0.00485354 |
下载与许可
- 下载链接: https://drive.google.com/drive/folders/1ksf5CooyMw0oWXue2AYsa1Cu5wrmesnH
- 许可证: Creative Commons Attribution 4.0 International License (CC BY 4.0)
已知局限
- 数据集为程序化生成，反映了 Flluma 生成管线的模板族、参数范围、验证约束和 API 约定，应视为合成 CAD 建模基准和训练语料库，而非人类设计的工业 CAD 分布全集。
- 文本监督包含模板生成和大语言模型辅助，可能包含偶尔的措辞伪影或文本-CAD 一致性问题。
- 基准实验为可重复的文本到程序参考实验，不包含模型权重，不声称具备开放领域 CAD 设计能力。
引用
bibtex @dataset{fllumaone100k2026, title = {FllumaOne-100K: A Code-Native Multimodal CAD Dataset}, author = {FllumaOne Dataset Authors}, year = {2026}, note = {Dataset release} }
