---
license: CC-BY-4.0
#用户自定义标签
tags:
  - ShapeNetCar
  - 3D Aerodynamic Flow Field Prediction
language:
  - en
  - zh
---
<p align="center">
  <strong>
    <span style="font-size: 30px;">ShapeNetCar</span>
  </strong>
</p>

## 数据集描述

ShapeNetCar 数据集来源于 Umetani 和 Bickel 发表于 ACM Transactions on Graphics（SIGGRAPH 2018）的论文 [《Learning Three-dimensional Flow for Interactive Aerodynamic Design》](https://doi.org/10.1145/3197517.3201325)。该数据集以 ShapeNet 中的汽车三维几何为基础，通过 CFD 仿真获得车辆周围的速度场、表面压力和阻力系数，用于研究由三维几何快速预测空气动力学物理场及气动力的方法。


## 数据集支持的任务

本标准化数据仓库面向 ShapeNetCar 汽车外流场预测任务整理，仓库包含原始训练数据、预处理图数据、归一化统计量、线性回归辅助代码、论文图表数据及结果对比图，可用于 OneScience/Transolver-Car-Design 模型的训练、推理、评估和可视化。本仓库收录 889 个汽车几何样本，按 `param0` 至 `param8` 分组，既保留原始 CFD 数组、网格和 VTK 文件，也提供面向图神经网络模型的预处理样本。每个预处理样本由节点特征、目标物理场、三维坐标、表面掩码和图边索引组成。



## 数据集的格式和结构

预处理图数据中，每个 `preprocessed_data/param*/<sample_id>/` 目录包含：

| 文件 | shape | dtype | 说明 |
|---|---:|---|---|
| `x.npy` | `[num_nodes, 7]` | `float64` | 节点输入特征，包含位置、符号距离函数（SDF）和法向量等特征 |
| `y.npy` | `[num_nodes, 4]` | `float64` | 目标物理场，前三个通道为速度分量，最后一个通道为压力 |
| `pos.npy` | `[num_nodes, 3]` | `float32` | 节点三维坐标 |
| `surf.npy` | `[num_nodes]` | `float64` | 表面节点掩码 |
| `edge_index.npy` | `[2, num_edges]` | `int64` | 图结构的边索引 |

归一化统计文件位于 `stats/`：

| 文件 | shape | dtype | 说明 |
|---|---:|---|---|
| `mean_in.npy` | `[7]` | `float32` | 输入特征均值 |
| `std_in.npy` | `[7]` | `float32` | 输入特征标准差 |
| `mean_out.npy` | `[4]` | `float32` | 输出物理量均值 |
| `std_out.npy` | `[4]` | `float32` | 输出物理量标准差 |

## 数据集使用方式

本数据集适配 `OneScience-Sugon/Transolver-Car-Design` 模型。模型运行时可通过模型包脚本将本仓库的数据组织到 `data/`下。

- 文件与下载：

```bash
hf download --dataset OneScience-Sugon/ShapeNetCar --local-dir ./data
```


## OneScience 官方信息

| 平台 | OneScience 主仓库 | Skills 仓库 |
|---|---|---|
| Gitee  | https://gitee.com/onescience-ai/onescience | https://gitee.com/onescience-ai/oneskills |
| GitHub  | https://github.com/onescience-ai/OneScience | https://github.com/onescience-ai/oneskills |

## 引用与许可证

- 本数据集基于 Nobuyuki Umetani 和 Bernd Bickel 发布的 ShapeNetCar 三维气动流场数据进行整理或转换，使用时请引用 ShapeNetCar 原始论文：[Learning Three-dimensional Flow for Interactive Aerodynamic Design](https://doi.org/10.1145/3197517.3201325)
- 若本数据集用于复现 Transolver 的汽车气动设计实验，请同时引用 Transolver 原始论文：[Transolver: A Fast Transformer Solver for PDEs on General Geometries](https://arxiv.org/abs/2402.02366)
- 本仓库保留来源说明，并面向 OneScience ModelScope 自动运行场景进行整理；公开分发前请根据上游项目确认许可证要求。