Datasets:
FastFill v4：对象条件房间布局 SFT 数据（私有，内部研究用）
一句话： V4 = 在本地完整复现的 v3.2 之上，修正已知标注错误、新增 ASE 数据源，并新增干净评测集与对照约束测试集。 训练协议和 v3 完全相同（系统提示词逐字一致），原训练命令只需换数据路径即可使用。
构建日期 2026-10-05，代码见本仓库 code/（git commit 538c5f0）。
1. 相比 v3.2 的提升
1.1 数据正确性（影响训练）
| 改动 | 规模 | 说明 |
|---|---|---|
| 修正床的 90° 朝向 | 786 张床 / 761 个房间 | 床的语义正面是床尾（短端）。明显狭长（长/短 ≥ 1.15）、标注正面却在长边、且一个短端贴墙的床，把正面转到远离墙的短端。主要来自 SpatialLM 282、Structured3D 210、IL3D_3dfront。渲染抽查确认 |
| 修正面朝墙的家具（180°） | 961 个物体 / 870 个房间 | 床、沙发、柜类、书桌、电视柜等"背靠墙"家具，正面贴墙且背后 ≥ 0.5 m 是空地的，转 180°。合成干净源上该规则命中率 0–0.1%（误判下限）；抽查 5 例中 4 例为真错误。主要来自 SpatialLM 298、IL3D_3dfront 240、Structured3D 147 |
| 新增数据源 ASE | +1,254 个房间（train 1,116 / dev 68 / test 70） | 重写 adapter：只保留整个场景无"缺框家具"的房间（ASE 约 60% 实例无框，导出中直接缺失，不过滤会成为看不见的障碍物）；无类别名的有框物体作为无名固定件；门窗作为固定件。参考布局出墙 0.5%、穿固定件 1.0%，远低于其他源 |
被修改文本的训练样本全部带有对应标记（bed_front_fixed / front_flipped）；与 v3.2 逐条比对，其余样本的模型文本逐字节不变，没有任何房间更换 train/dev/test 划分。
1.2 评测（不影响训练）
| 新增 | 规模 | 解决的问题 |
|---|---|---|
干净评测集 *_clean_rooms.jsonl、*_clean_constrained_rooms.jsonl |
dev 7,189 / test 7,588 房间 | v3.2 的 dev/test 中约 13% 房间的参考答案本身带有训练默认排除的标记（物体出墙 >10 cm、穿过门/柱子、同类家具重叠），服务端会拒收这些布局，却被当作标准答案。干净集去掉了这些房间 |
对照约束测试集 *_contrast_rooms.jsonl |
dev 7,510 对 / test 7,877 对 | 设计文档 §10.2 要求、v3 没有。同一房间同一批物体，给两条只针对同一主体的约束 A、B：A 在参考布局成立；B 在参考布局不成立，并附一个"可行性证明"布局（只转动或移动主体，通过验证器，且不满足 A）。按约束摆放的模型能两题都对；只会复现记忆布局的模型最多对一题（实测：用参考布局回答 B，通过率 0%）。类型：faces（座椅转向另一件家具，test 2,452 对）、near（家具挪到另一件旁边，test 5,425 对） |
1.3 可追溯性
| 新增 | 说明 |
|---|---|
meta.dropped（每个房间）、stats.json 中 dropped:<原因> |
v3.2 只记录被丢弃物体的总数。V4 记录每个源物体不被摆放的原因：墙上 711,445、作为固定件展示 484,341、家具内部 437,274、不在支撑面顶上 149,363、吊顶 127,813 等。"家具内部 + 不在顶面"约 59 万件是当前协议无法表示的完整性缺口（书架层上的书、柜内物品），留待后续版本 |
新质量标记 swallowing_box |
1,047 个房间：床/沙发框盖住 ≥2 件不属于"塞在旁边"关系的其他家具（如 6–10 m 长的床框、盖住茶几的沙发框）。L 形/转角/组合沙发、高架/儿童床等天然包围其他家具的类别已排除。抽查约 75% 为真问题。训练默认不排除，需要时加 --exclude_flags ... swallowing_box |
1.4 不宣称的内容
- 尚未训练模型对比，以上均为数据层面的改进。被修正和新增的样本约占训练集 2%，模型整体指标预计与 v3 接近，朝向相关类别可能改善。
- 尚未新增训练监督信号（源头支撑关系、已验证约束、文字语境）；对照约束测试集是评测工具，不是训练数据。
2. 文件
| 路径 | 内容 |
|---|---|
v4/train.jsonl / dev.jsonl / test.jsonl |
SFT 行：uid、source、flags、messages（与 v3 相同） |
v4/{dev,test}_rooms.jsonl、v4/{dev,test}_constrained_rooms.jsonl |
原评测 IR（与 v3 口径一致，可直接对比） |
v4/{dev,test}_clean_rooms.jsonl、v4/{dev,test}_clean_constrained_rooms.jsonl |
新：干净评测集 |
v4/{dev,test}_contrast_rooms.jsonl |
新：对照约束测试集（每对两行，meta.pair_id / meta.variant = A 或 B） |
v4/stats.json、v4/MANIFEST.json、v4/QA.json |
逐源统计、构建参数与代码/IR/输出哈希、QA 报告 |
ir/ |
19 个源的统一中间格式（米、Z 向上、底面中心 bbox、yaw 指向语义正面） |
code/fastfill/ |
管线代码（build / train / evaluate / serve / adapters）；V4 新增 v4fixes.py、tools/contrast_set.py、tests/test_v4_fixes.py |
行数
| 文件 | 行数 |
|---|---|
| train | 145,266（默认过滤后 125,946；v3.2 为 124,843） |
| dev / test | 8,235 / 8,717 |
| dev_clean / test_clean | 7,189 / 7,588 |
| dev_contrast / test_contrast | 15,020 / 15,754（即 7,510 / 7,877 对） |
各数据源房间数
| 数据源 | train | dev | test | test_clean | v3.2 train |
|---|---|---|---|---|---|
| SpatialLM | 42,068 | 2,239 | 2,461 | 1,919 | 42,068 |
| MansionWorld | 19,396 | 1,153 | 1,313 | 1,313 | 19,396 |
| IL3D_3dfront | 18,054 | 939 | 872 | 689 | 18,054 |
| Structured3D | 12,700 | 793 | 747 | 578 | 12,700 |
| InternScenes_gen | 12,552 | 828 | 660 | 650 | 12,552 |
| SAGE-10k | 8,977 | 503 | 489 | 487 | 8,977 |
| OptiScene_holodeck | 8,946 | 497 | 503 | 503 | 8,946 |
| IL3D_synthetic | 6,277 | 349 | 316 | 315 | 6,277 |
| InteriorGS | 4,877 | 268 | 311 | 226 | 4,877 |
| InternScenes_arkit | 4,528 | 280 | 229 | 201 | 4,528 |
| HSSD200 | 1,876 | 86 | 138 | 96 | 1,876 |
| InternScenes_scannet | 1,309 | 80 | 104 | 82 | 1,309 |
| InternScenes_mp3d | 1,258 | 89 | 18 | 17 | 1,258 |
| InternScenes_3rscan | 1,200 | 61 | 70 | 54 | 1,200 |
| ASE（新增） | 1,116 | 68 | 70 | 66 | 0 |
| MultiScan | 114 | 2 | 6 | 3 | 114 |
| Scan2CAD | 18 | 0 | 1 | 0 | 18 |
| SceneSmith（只评测） | 0 | 0 | 364 | 354 | 0 |
| SpatialGen（只评测） | 0 | 0 | 45 | 35 | 0 |
| 合计 | 145,266 | 8,235 | 8,717 | 7,588 | 144,150 |
3. 使用
训练（与 v3 相同，只换 --data）：
cd code
PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True torchrun --nproc_per_node 8 -m fastfill.train \
--model ~/models/Qwen3-8B --data ~/fastfill-v4/v4 --out outputs/ff-v4 \
--bs 1 --grad_accum 4 --lr 1e-4 --epochs 2 --save_steps 500
评测：
python -m fastfill.evaluate --model MERGED --rooms ~/fastfill-v4/v4/test_clean_rooms.jsonl --out eval/clean
python -m fastfill.evaluate --model MERGED --rooms ~/fastfill-v4/v4/test_clean_constrained_rooms.jsonl --out eval/clean_cons
python -m fastfill.evaluate --model MERGED --rooms ~/fastfill-v4/v4/test_contrast_rooms.jsonl --out eval/contrast
python -m fastfill.tools.contrast_set --report eval/contrast/predictions.jsonl # A_ok / B_ok / both_ok / same_answer
与 v3 公平比较： 用相同超参数分别训练 v3.2 与 V4，在 V4 的 test_clean_rooms、test_clean_constrained_rooms、test_contrast_rooms 上评测；原 test_rooms.jsonl 保留，可用于和 v3 已有结果对照。
重建：python -m fastfill.build --ir ../ir --out ../rebuilt/v4 --constraint_frac 0.3 --sources <MANIFEST args.sources>，然后 python -m fastfill.tools.contrast_set --rooms <dir>/test_clean_rooms.jsonl --out <dir>/test_contrast_rooms.jsonl（dev 同理）。
4. 复现与验证
用 v3.2 代码 + 本地下载的源数据完整复现 v3.2：41/41 个代码文件哈希一致；18 个源中 15 个 IR 逐字节一致，其余 3 个仅浮点噪声（≤10⁻¹⁴ m）；
stats.json逐字节一致；dev 8,162/8,167 行一致（5 行 InteriorGS 有 1 cm 取整差异，源于 Python/平台版本）。V4 的每一步修改都与上一步逐条比对，确认只改变预期的样本。
回归测试：142 个通过（v3.2 原有 137 + V4 新增 7）；唯一失败的是本地环境的 LoRA 合并测试（transformers 版本兼容问题，与数据无关）。
完整 QA 报告
v4/QA.json（python -m fastfill.tools.qa_report ../ir ../v4），强制检查全部通过（mandatory_failures为空）：- 防泄漏：train/dev/test 之间按世界、别名、家具指纹、布局指纹的交集全部为 0；只评测的源在 train 中 0 行
- 可复现：162,218 行 SFT 全部可由 IR 和当前代码逐字重建（失败 0）；代码、IR、输出哈希与 MANIFEST 一致
- 约束：参考布局上约束成立 train 99,613/99,613、dev 18,820/18,820、test 19,955/19,955
- 答案完整：145,266 行全部恰好摆放输入的全部物体；固定件出现在答案中 0 次
- 默认训练子集 125,946 行，参考布局 125,946/125,946 通过越界、支撑、层高检查
- 独立世界数：train 57,114 / dev 3,220 / test 3,386
5. 许可
派生自 SpatialLM（CC BY-NC 4.0）、IL3D / 3D-FRONT（3D-FRONT 条款：仅科研、禁止再分发）、HSSD-200（CC BY-NC 4.0）、InternScenes（CC BY-NC-SA 4.0 + 上游扫描数据条款）、MultiScan（CC BY-NC 4.0）、Structured3D（非商业科研、禁止再分发）、InteriorGS（使用条款）、MansionWorld（CC BY 4.0，非商业门槛）、SAGE-10k 与 OptiScene/Holodeck（Apache-2.0）、Scan2CAD（ScanNet 条款）、SpatialGen（CC BY-NC 4.0）、SceneSmith（Apache-2.0）、ASE（Meta Project Aria 数据集协议，导出说明未写明，使用前需核实）。
本仓库为私有，仅用于在研究组内部传输数据，不得公开或向组外分享；用其训练的模型仅限内部非商业使用。
- Downloads last month
- 20