PartVerse-XL

PartVerse-XL是目前最大的人标注3D部件数据集，包含40K个对象和320K个部件。该数据集由香港中文大学、香港科技大学、商汤科技研究院和重庆大学的研究人员创建，旨在支持高质量部件生成的研究。数据集内容丰富，每个部件都有关联的部件感知文本描述，方便研究者进行更深入的3D部件生成研究。数据集创建过程采用了网格预分割和人工细化相结合的方式，确保了数据集的质量和准确性。PartVerse-XL的应用领域广泛，可用于解决虚拟现实、游戏、机器人技术、数字内容创作等领域的问题，帮助研究者实现更精细、更真实的3D部件生成。

PartVerse-XL is currently the largest human-annotated 3D part dataset, containing 40K objects and 320K parts. It was developed by researchers from The Chinese University of Hong Kong, The Hong Kong University of Science and Technology, SenseTime Research and Chongqing University, aiming to support research on high-quality part generation. The dataset is rich in content, with each part paired with part-aware textual descriptions, enabling researchers to conduct more in-depth studies on 3D part generation. The dataset was constructed through a combination of grid pre-segmentation and manual refinement to ensure its quality and accuracy. PartVerse-XL has wide application scenarios, which can be used to solve problems in fields such as virtual reality, games, robotics and digital content creation, helping researchers achieve more refined and realistic 3D part generation.

原始信息汇总

FullPart数据集概述

数据集名称

FullPart

核心功能

基于部件的3D生成框架，结合隐式和显式范式，能够在完整分辨率下生成每个3D部件

技术特点

• 通过隐式框向量集扩散过程推导边界框布局
• 每个部件在独立的固定全分辨率体素网格中生成
• 引入中心点编码策略解决不同尺寸部件间的错位问题
• 专门的中心-角编码机制建立跨部件上下文关系

配套数据集

PartVerse-XL

• 规模：40K对象/320K部件（从12K/91K升级）
• 数据生产流程：原始数据 → 网格分割算法 → 人工后校正
• 标注内容：部件级文本描述，包括外观、形状以及部件与整体的关系

发布信息

• 代码和数据集将于11月7日前发布
• 访问渠道：arXiv、Code、Data、Huggingface

引用格式

bibtex @misc{ding2025fullpart, title={FullPart: Generating each 3D Part at Full Resolution}, author={Lihe Ding and Shaocong Dong and Yaokun Li and Chenjian Gao and Xiao Chen and Rui Han and Yihao Kuang and Hong Zhang and Bo Huang and Zhanpeng Huang and Zibin Wang and Dan Xu and Tianfan Xue}, year={2025}, eprint={2510.26140}, archivePrefix={arXiv}, }

搜集汇总

数据集介绍

构建方式

PartVerse-XL作为当前最大规模的人工标注三维部件数据集，其构建过程融合了自动化预处理与人工精细化标注的双重策略。研究团队从Objaverse-XL中筛选出四万个高质量三维模型，首先通过结合几何先验与SAM-2、Samesh等语义分割算法的自动化流程生成过分割结果，这种设计为后续人工修正保留了充分的语义粒度。随后专业标注人员基于Blender工具对初始分割进行语义合并与结构调整，确保每个部件既符合功能逻辑又保持纹理连贯性，最终形成包含32万个语义部件的大规模数据集。

使用方法

在具体应用层面，PartVerse-XL为三维部件生成模型提供了完整的训练与评估框架。研究者可将数据集划分为训练集与测试集，通过端到端训练使模型学习部件级几何结构与语义关联。该数据集支持基于文本或图像的条件生成任务，其丰富的部件标注信息可用于监督信号构建。在评估阶段，通过计算部件级倒角距离、全局F-Score等指标，能够系统量化模型在部件细节生成与全局结构一致性方面的性能表现，为三维内容生成领域的研究提供可靠基准。

背景与挑战

背景概述

三维物体生成领域在虚拟现实与数字内容创作中具有重要应用价值，然而传统方法常忽略物体的组合性结构。2025年由香港中文大学、香港科技大学等机构联合发布的PartVerse-XL数据集，作为当前规模最大的人工标注三维部件数据集，包含4万个物体与32万个部件，旨在解决部件级三维生成任务中训练数据稀缺的核心问题。该数据集通过融合几何先验与语义分割技术，结合人工精细化标注流程，建立了部件纹理与空间关系的多模态对齐标准，为三维生成模型的细粒度语义理解提供了关键支撑。

当前挑战

该数据集致力于攻克部件级三维生成的本质难题：其一，在领域问题层面，需解决部件间几何连贯性建模与尺度自适应表示的挑战，特别是微小部件在共享体素网格中因分辨率不足导致的细节缺失问题；其二，在构建过程中面临多模态数据对齐的复杂性，包括部件语义边界模糊、艺术家原始标注不一致等数据噪声，以及大规模三维模型拓扑结构多样性带来的标注标准化难题。

常用场景

经典使用场景

在三维内容生成领域，PartVerse-XL数据集为基于部件的三维生成任务提供了关键支撑。该数据集最经典的应用场景在于训练部件感知的三维生成模型，通过其大规模标注的部件级几何与纹理数据，使模型能够学习复杂物体的结构化分解规律。研究人员利用该数据集训练扩散模型，实现从文本或图像输入生成具有语义部件分解的三维物体，例如生成带有可独立操控的轮毂、车架和座椅的自行车模型。

解决学术问题

该数据集有效解决了三维生成研究中部件级细节缺失的核心难题。传统方法在共享表示空间中处理所有部件，导致小型部件分辨率不足，而PartVerse-XL通过提供精确的部件边界标注，支持全分辨率部件生成框架的开发。其语义一致的标注体系克服了艺术家元数据中的标注噪声问题，为研究部件间空间关系建模、遮挡部件几何推理等关键问题提供了可靠基准，显著提升了生成部件的几何保真度与结构合理性。

实际应用

在虚拟现实与数字内容创作领域，PartVerse-XL支撑的部件级生成技术已产生实际价值。游戏开发中可利用该技术快速生成可动画化的角色模型，其分离的肢体部件便于绑定骨骼系统。工业设计领域则通过部件编辑功能实现产品原型迭代，如修改家具的腿部造型而不影响整体结构。电子商务平台也借助该技术生成可自定义组件的三维商品展示模型，提升用户交互体验。

数据集最近研究

最新研究方向

在三维部件生成领域，PartVerse-XL数据集的推出标志着该领域向大规模精细化标注的重要突破。该数据集作为当前最大规模的人工标注三维部件数据集，包含4万个对象和32万个部件，为基于部件的三维生成提供了坚实的训练基础。前沿研究聚焦于融合隐式与显式表示的混合生成框架，通过隐式向量集扩散过程生成边界框布局，再为每个部件分配独立的全分辨率体素网格进行细节生成。这种创新方法有效解决了传统方法中因共享全局表示空间而导致的小部件细节丢失问题，同时通过中心-角点编码策略维持了部件间的空间对齐与全局一致性。该方向的发展正推动三维生成从整体建模向部件级精细化控制的范式转变，为虚拟现实、数字内容创作等应用场景提供了更强大的技术支持。

相关研究论文

• FullPart: Generating each 3D Part at Full Resolution

  香港中文大学, 香港科技大学, 商汤科技研究院, 重庆大学 · 2025年