File size: 6,480 Bytes
66369a1 db03e4d 66369a1 40a5eb8 66369a1 40a5eb8 66369a1 db03e4d 66369a1 40a5eb8 db03e4d 66369a1 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 | ---
license: unknown
task_categories:
- text-to-3d
- image-to-3d
language:
- zh
tags:
- 3d-scene-generation
- synthetic
- query-synthesis
size_categories:
- 1K<n<10K
---
# VibeWorlding-V2-Query
1000 条用于 3D 场景生成评测/训练的自然语言 Query，按多维度配额（应用领域 / 场景空间 / 地形生态 /
空间布局 / 地理文化 / 气候 / 历史时期 / 视觉风格 / 复杂度）分层合成，覆盖 `text_to_3d`（900条）和
`image_to_3d`（100条，附带AI生成的参考图）两种输入模态。
## 数据结构
数据按比例均分成10份（`split_01` ~ `split_10`，每份100条），每份目录结构：
```
split_XX/
├── query.json # 100条完整query记录
├── img/ # 该份 image_to_3d 卡片用到的参考图（仅引用到的，已去重）
└── glb_samples/ # 该份用到的glb样例（仅引用到的，已去重，来自kenney-assets-1000）
```
拆分方式：迭代分层抽样（iterative stratification），保证每份在14个标签维度上的分布都尽量贴近
整体比例，同时严格保证每份精确100条。10份`card_id`并集精确覆盖全部1000条，无重复无缺失。
## query.json 字段说明
每条记录是一个"原子结构化场景卡片"，包含：
**标签字段**（由确定性配额分配算法产出，严格对齐预设配额，未被LLM改动）：
`input_modality`（text_to_3d/image_to_3d）、`application_domain_primary`（应用领域）、
`scene_space`（场景空间：indoor/outdoor_natural/outdoor_rural/outdoor_urban）、
`indoor_subtype`（室内子类型，仅indoor适用）、`season`（季节，仅outdoor适用）、
`terrain_primary`/`ecology_primary`（地形/生态，仅outdoor_natural适用）、
`layout_primary`（空间布局，仅indoor/outdoor_rural/outdoor_urban适用）、
`geo_culture`（地理文化，同上）、`climate_zone`（气候带）、
`historical_period`（历史时期，仅indoor/outdoor_rural/outdoor_urban适用）、
`visual_style`（视觉风格）、`other_visual_style_subtype`（其他风格子类型，仅visual_style=other适用）、
`complexity`（复杂度）。
**内容字段**（由LLM基于标签转写生成）：
`scene_title`（场景标题）、`scene_goal`（场景目标）、`functional_zones`（功能分区）、
`core_elements`（核心元素）、`spatial_relations`（空间关系）、`domain_requirements`（领域要求）、
`must_include`/`must_avoid`（必须包含/避免的内容）、`challenge_combo`+`challenge_rationale`
（是否为反常标签组合及理由）、**`query_text`（最终交付的自然语言query，核心字段）**。
**资产关联字段**：
`reference_image_ids`（image_to_3d卡片的参考图相对路径，指向`img/`目录；text_to_3d为空数组）、
`sample_asset_glbs`（关联的glb样例资产相对路径，指向`glb_samples/`目录）。
**可拆卸部件提示字段**（仅`split_04`~`split_10`共700条卡片有此字段，`split_01`~`split_03`无此字段，
见下方"可拆卸装饰部件说明"）：
`attachable_part_hint`（非空时为`{part, base, note}`；`part`是新增的可整体替换/拆卸的具体物件名，
`base`是它依附的主体物件名（取自该卡片`core_elements`），`note`是设计说明）。
## glb样例说明
`sample_asset_glbs`只在query_text**明确要求复用现有资产模型**时才非空（100/1000条，约10%），
其余900条query不涉及资产复用诉求，该字段为空数组`[]`。
这100条的筛选与生成方式：先用query的`core_elements`/`functional_zones`具体物件名去关键词精确匹配
开源资产库 kenney-assets-1000 的资产名称/别名（185条候选池，语义相关度高），再从中按应用领域分层
抽样100条，用LLM把它们的`query_text`改写为明确点名（逐字提及）所匹配到的具体资产中文名称、要求
搭建时复用该资产的版本，其余字段不变。因此这100条"嘴上要求复用的资产"与`sample_asset_glbs`里
实际给出的glb在语义上是强相关、一一对应的。
## 可拆卸装饰部件说明（attachable_part_hint）
为了在采样/建场景阶段就明确"一个可整体替换/拆卸的装饰部件依附在某个主体物件上"这层设计意图（而不是
等场景建完后靠几何+关键词反推、命中率低），在`split_04`~`split_10`范围内（共700条，`split_01`~
`split_03`因已下发给同学采集、未回填此字段）按`application_domain_primary`分层抽样约30%（210条，
且排除了已用于资产复用改写的卡片，避免一条query里同时塞两条特殊诉求），用LLM为这些卡片在
`core_elements`里新增一条全新的具体物件（可拆卸/可替换的装饰部件），在`spatial_relations`里补一条它
依附在哪个已有物件（`base`）上的关系，并把这层设计自然融入`query_text`（只做插入，不删改原有场景
描述），同时输出结构化的`attachable_part_hint={part, base, note}`供下游核对实际建成的场景是否真的
实现了这层关系。`split_04`~`split_10`范围内未选中的490条该字段为`null`；`split_01`~`split_03`
的300条卡片不含此字段。
## 已知局限
- three.js场景文件、场景级glb（多物体组装）暂未生成，当前仅提供单体资产样例作为参考。
- 仅10%的query在文本中明确要求复用现有资产，其余90%的query不依赖预置glb，`sample_asset_glbs`为空。
- `attachable_part_hint`仅覆盖`split_04`~`split_10`（700条中30%即210条非空），`split_01`~`split_03`
（300条，已下发采集）不含该字段，非该700条范围内的卡片该字段为`null`或不存在，不代表场景里一定
没有这类可拆卸部件，只是没有被显式标注/要求。
- 数据为LLM合成，`query_text`已做英文残留扫描和标签一致性校验，但仍建议下游使用前做抽样质检。
## 统计信息
- 总条数：1000（`text_to_3d` 900 / `image_to_3d` 100）
- 反常组合（`challenge_combo=true`）：47条
- 应用领域：游戏与互动娱乐(250)、建筑与景观设计(200)、影视与动画制作(150)、
城市规划与数字孪生(150)、商业展示与电商空间(150)、文博教育与虚拟展览(100)
- 场景空间：室外城市(320)、室外自然(280)、室内(200)、室外乡村(200)
- 视觉风格：写实(500)、卡通(250)、Low-poly/风格化(150)、其他(100)
|