spz-anime-text2scene-bench

3D场景文生世界基准数据集，包含10个预选场景，其中6个已完成全格式覆盖（SPZ v3/v4、PLY、GLB、360°全景和JSON元数据），4个待补完。数据集用于评估和基准测试，由腾讯混元3D生成原始数据，并通过SPZ官网和spz2glb工具转换格式。

Text-to-World 3D Scene Benchmark Dataset comprises 10 pre-selected scenes, 6 of which have complete format coverage across SPZ v3/v4, PLY, GLB, 360° panoramic imagery and JSON metadata, while the remaining 4 remain incomplete. This dataset is designed for evaluation and benchmarking tasks, with raw data generated by Tencent Hunyuan 3D, and format conversions carried out via the official SPZ website and the spz2glb tool.

原始信息汇总

数据集概述

数据集名称：spz-anime-text2scene-bench（3D 场景文生世界基准数据集）

数据集地址：https://github.com/spz-ecosystem/spz-anime-text2scene-bench

数据集规模：10 个预选场景，其中 6 个已完成全格式覆盖，4 个待补完（仅包含 prompt 文件）。

已完成场景（6/10）

场景名称	文件数	总大小
classroom_anim	9	68.39 MB
cyberpunk_city	9	91.75 MB
steampunk_workshop	9	107.08 MB
Winter Forest Cabin	9	102.09 MB
chinese_garden	9	106.39 MB
gothic_cathedral	9	110.99 MB
合计	54	586.69 MB

待补完场景（4/10，仅包含 prompt.txt）

• medieval_castle
• space_station
• tropical_beach
• underwater_reef

数据格式

每个完整场景包含 9 个文件，约 68–111 MB，涵盖以下格式：

• SPZ v3：由腾讯混元3D 世界模型直接导出
• SPZ v4：由 SPZ 官网读取 PLY 后转换
• PLY：由腾讯混元3D 直接导出
• GLB：由 spz2glb 打包 v3 SPZ → GLB（无损打包，使用 KHR_gaussian_splatting_compression_spz_2）
• 360° 全景图：全景渲染图（PNG 格式）
• JSON 元数据：每份 3 份（PLY 元数据、SPZ v3 元数据、SPZ v4 元数据）
• prompt.txt：输入提示词

生成流程

1. 文字提示词 → 腾讯混元3D → splats（.spz v3 + .ply）+ 360°.png
2. → SPZ 官网 → .spz (v4) + JSON 元数据
3. → spz2glb 打包 → .glb (无损打包)

SPZ→GLB 转换性能（稳态）

• 平均耗时：114 ms
• 平均 SPZ 大小：12.38 MB
• 平均峰值内存：24.08 MB（约等于 2× 文件大小）
• 吞吐量：约 100 MB/s（线性关系，R² > 0.95）
• 失败次数：0

许可证

• 数据集：CC BY 4.0
• DOI：10.5281/zenodo.20849135

搜集汇总

数据集介绍

构建方式

该数据集聚焦于对动漫风格三维场景的文本生成世界任务的基准评测，其构建融合了前沿的生成与转译管线。首先，以文字提示词为起点，借助腾讯混元3D世界模型直接导出SPZ v3格式、PLY点云文件及360度全景渲染图。随后，将PLY文件上传至SPZ官网，通过其内置转换功能生成SPZ v4格式与JSON元数据。最后，利用spz2glb工具对SPZ v3文件进行无损打包，获得兼容性更广的GLB格式文件。目前，数据集已完成六个场景的全格式覆盖，包含SPZ v3/v4、PLY、GLB、全景图及三份元数据JSON，每个场景均形成九文件的完备结构。

使用方法

使用者可通过数据集提供的prompt.txt文件复现场景生成流程，或直接利用dist目录下以场景命名的文件夹获取完整数据资产。每个场景文件夹按功能划分为assets、raw、ply、glb四个子目录，分别存放元数据与全景图、原始SPZ文件、PLY点云文件及GLB容器文件。研究者可单独加载SPZ或PLY格式至支持高斯泼溅渲染的框架中进行可视化与模型分析，亦可使用GLB格式在标准三维图形引擎中部署应用。该数据集还提供了spz2glb转换的稳态性能基准，便于评估不同场景下的转换效率与资源消耗。

背景与挑战

背景概述

三维场景理解与生成是计算机视觉与图形学领域交汇处的核心议题，然而，现有数据集多聚焦于静态物体的重建或单视角图像的生成，难以支撑文本驱动、可交互式三维场景的端到端研究。在此背景下，spz-anime-text2scene-bench基准数据集应运而生，由Junhan Pu于2026年创建，旨在填补文生三维全场景领域标准化评测的空白。该数据集精选10个预选场景，覆盖教室、赛博朋克城市、中国园林等多种主题，并提供SPZ、PLY、GLB、360°全景图及JSON元数据等多格式全栈覆盖，为研究从文本提示到可渲染三维场景的完整流程提供了结构化、可重用的评测基础，推动了文生三维场景领域从零散探索迈向系统性基准评估。

当前挑战

当前领域面临三重挑战：其一，文本到三维场景的生成任务需解决语义理解与空间布局一致性的核心难题，现有模型难以确保复杂结构描述（如“哥特式教堂”）在细节与物理合理性上的忠实映射。其二，数据构建过程中，多格式统一（SPZ v3/v4、PLY、GLB）与不同工具链（腾讯混元3D、SPZ官网、spz2glb）的无缝衔接带来显著工程挑战，需确保跨平台元数据完整性与无损转换开销（如单场景转换约114ms、内存稳定维持在2倍文件大小）。其三，10个场景中尚有4个因提示词未覆盖全格式链路而待补全，暴露了数据生成流程的可扩展瓶颈与自动化程度不足的痛点。

常用场景

经典使用场景

在计算机视觉与图形学交叉领域，spz-anime-text2scene-bench 作为首个面向动漫风格3D场景的文生世界基准数据集，为从自然语言描述到高质量3D高斯泼溅（Gaussian Splatting）表示的端到端生成提供了标准化的评测平台。该数据集精心选取了十个具有代表性的主题场景，涵盖了教室、赛博朋克城市、蒸汽朋克工坊、森林木屋、中式园林与哥特教堂等多元风格，每个场景均完整提供了SPZ v3/v4、PLY、GLB、360度全景渲染图及JSON元数据等六种格式的标注与重建结果。研究者可借助该数据集统一评估文本提示词对三维几何结构、色彩纹理与场景布局的语义映射能力，尤其是在高斯泼溅这一新兴表达范式下的重建保真度与视觉质量。

解决学术问题

长期以来，学术界在文本驱动3D场景生成领域面临两大核心瓶颈：其一是缺乏多格式、标准化且面向非写实风格的基准数据集，导致不同方法之间难以进行公平对比；其二是现有数据集大多局限于单一格式（如Mesh或NeRF），难以全面评估高斯泼溅表达下的性能。spz-anime-text2scene-bench 的提出系统性地填补了这一空白，通过提供同一场景在SPZ v3/v4、PLY和GLB间的格式对齐与无损转换，使得研究者能够深入探究高斯泼溅压缩算法（如KHR_gaussian_splatting_compression_spz_2）的效率与精度权衡。该数据集还推动了文生三维场景的可重复性研究，启发了关于多视图一致性、全景背景与稀疏点云融合的范式探索，为后续从单一图像或视频到3D场景的跨模态生成任务奠定了标准化评估基础。

实际应用

在实际产业应用中，spz-anime-text2scene-bench 所覆盖的数据格式与重建流程直接服务于数字内容创作和虚拟现实开发的多个环节。例如，腾讯混元3D的世界模型通过该数据集得到验证后，能够高效地将游戏策划案中的文本描述自动转换为沉浸式3D场景，大幅降低美术资源制作的人力成本。GLB格式的无损打包能力则使得这些场景能够在Web端和移动端实时渲染，适用于动漫风格的元宇宙社交、虚拟展厅与在线教育等轻量化部署场景。此外，全景渲染图和JSON元数据的存在为自动化场景标注、光照分析与语义分割提供了结构化的数据基础，进一步推动了智能导览、虚拟拍摄预演和AIGC辅助创作等商业应用的落地。

数据集最近研究

最新研究方向

随着3D高斯泼溅（3D Gaussian Splatting）技术的蓬勃发展，将文本描述直接转化为可交互、高保真的3D场景已成为计算机视觉与图形学领域的前沿焦点。spz-anime-text2scene-bench基准数据集的提出，正是为了系统性地评估文生3D世界模型在动漫风格场景下的生成能力。该数据集不仅覆盖了从雪林木屋到赛博朋克都市等多元主题，更创新性地整合了SPZ v3/v4、PLY、GLB及360°全景图等多种格式，为标准化测评提供了完整的数据管线。尤其值得关注的是，其采用腾讯混元3D世界模型作为核心生成引擎，并依托spz2glb工具实现了高斯泼溅数据的高效打包与无损转换，这一流程紧密契合了当前3D内容创作领域追求高速率、低内存占用的技术趋势。该基准的建立，为推进文生3D场景的准确性、多样性与跨格式兼容性研究提供了关键评估平台，对加速生成式AI在虚拟现实与动漫产业中的落地具有重要参考价值。