TRELLIS-500K

TRELLIS-500K是一个包含50万个3D资产的数据集，这些资产是从Objaverse(XL)、ABO、3D-FUTURE、HSSD和Toys4k中筛选出来的，基于美学评分进行过滤。该数据集用于3D生成任务，并在论文《Structured 3D Latents for Scalable and Versatile 3D Generation》中引入。数据集统计部分详细列出了各个来源的3D资产的美学评分阈值、过滤后的大小以及带有文本描述的资产数量。TRELLIS-500K is a dataset consisting of 500,000 3D assets curated from Objaverse(XL), ABO, 3D-FUTURE, HSSD, and Toys4k, with filtering performed based on aesthetic scores. This dataset is intended for 3D generation tasks and was introduced in the paper *Structured 3D Latents for Scalable and Versatile 3D Generation*. The dataset statistics section details the aesthetic score thresholds, post-filtering quantities, and the number of assets with text descriptions for each source.

原始信息汇总

TRELLIS-500K 数据集概述

数据集基本信息

• 许可证: MIT
• 任务类别: 图像到3D、文本到3D
• 语言: 英语
• 规模: 100K < n < 1M

数据集配置

• ObjaverseXL (sketchfab): 训练集路径为 ObjaverseXL_sketchfab.csv
• ObjaverseXL (github): 训练集路径为 ObjaverseXL_github.csv
• ABO: 训练集路径为 ABO.csv
• 3D-FUTURE: 训练集路径为 3D-FUTURE.csv
• HSSD: 训练集路径为 HSSD.csv
• Toys4k: 评估集路径为 Toys4k.csv

数据集描述

TRELLIS-500K 是一个包含 500K 3D 资产的数据集，这些资产从 Objaverse(XL)、ABO、3D-FUTURE、HSSD 和 Toys4k 中筛选而来，基于美学评分进行过滤。该数据集用于 3D 生成任务，并在论文 Structured 3D Latents for Scalable and Versatile 3D Generation 中引入。

数据集统计

来源	美学评分阈值	过滤后大小	带文本描述
ObjaverseXL (sketchfab)	5.5	168307	167638
ObjaverseXL (github)	5.5	311843	306790
ABO	4.5	4485	4390
3D-FUTURE	4.5	9472	9291
HSSD	4.5	6670	6661
所有（训练集）	-	500777	494770
Toys4k（评估集）	4.5	3229	3180

数据集工具

• 数据处理工具: https://github.com/Microsoft/TRELLIS

更多信息

• 项目页面: https://trellis3d.github.io/
• 代码: https://github.com/Microsoft/TRELLIS

搜集汇总

数据集介绍

构建方式

TRELLIS-500K数据集通过整合多个公开的3D资产库构建而成，包括Objaverse(XL)、ABO、3D-FUTURE、HSSD和Toys4k。这些资产经过美学评分筛选，确保数据集的质量和多样性。具体而言，每个来源的3D资产均设定了不同的美学评分阈值，例如ObjaverseXL的阈值为5.5，而ABO和3D-FUTURE的阈值为4.5。通过这一筛选机制，数据集最终包含约50万条3D资产，其中大部分附有文本描述。

特点

TRELLIS-500K数据集以其规模庞大和多样性著称，涵盖了从家具到玩具等多种类别的3D模型。数据集中的每个3D资产均经过美学评分筛选，确保了视觉上的高质量。此外，大部分资产附有文本描述，为文本到3D生成任务提供了丰富的上下文信息。值得注意的是，部分资产缺乏文本描述，用户在使用时需根据需求进行筛选。数据集还分为训练集和评估集，便于模型训练和性能评估。

使用方法

TRELLIS-500K数据集适用于图像到3D和文本到3D生成任务。用户可通过HuggingFace平台访问数据集，并根据需求选择不同的配置，如ObjaverseXL、ABO或3D-FUTURE。数据集提供了详细的分割信息，训练集包含约50万条数据，评估集则包含Toys4k的3229条数据。此外，数据集还提供了数据处理工具包，用户可通过GitHub获取相关代码，进一步进行数据预处理和分析。项目页面和代码库提供了更多技术细节和使用指南。

背景与挑战

背景概述

TRELLIS-500K数据集由微软研究团队于2023年推出，旨在为3D生成任务提供高质量的数据支持。该数据集整合了来自Objaverse(XL)、ABO、3D-FUTURE、HSSD和Toys4k等多个来源的50万个3D资产，并通过美学评分进行筛选。其核心研究问题在于如何通过结构化的3D潜在空间实现可扩展且多功能的3D生成。TRELLIS-500K的发布显著推动了3D生成领域的研究进展，为图像到3D、文本到3D等任务提供了丰富的训练资源。

当前挑战

TRELLIS-500K数据集在构建和应用过程中面临多重挑战。首先，3D生成任务本身具有高度复杂性，涉及几何、纹理和语义信息的精确建模，这对数据质量和多样性提出了极高要求。其次，数据集中部分3D资产缺乏文本描述，限制了其在文本到3D任务中的应用。此外，数据筛选过程中美学评分的主观性可能导致数据偏差，影响模型的泛化能力。最后，数据集的规模庞大，对存储、处理和计算资源提出了严峻挑战，增加了研究和应用的难度。

常用场景

经典使用场景

TRELLIS-500K数据集在3D生成任务中展现了其独特的价值，特别是在图像到3D和文本到3D的转换领域。研究者们利用该数据集中的高质量3D资产，结合其美学评分，能够训练出更为精准和逼真的3D生成模型。这一数据集不仅为学术界提供了丰富的研究素材，也为工业界在虚拟现实、游戏开发和产品设计等领域提供了强大的技术支持。

衍生相关工作

TRELLIS-500K数据集的发布催生了一系列相关研究工作，特别是在3D生成和虚拟现实领域。例如，基于该数据集的研究成果在《Structured 3D Latents for Scalable and Versatile 3D Generation》一文中得到了详细阐述。此外，该数据集还激发了更多关于3D模型生成、优化和应用的研究，推动了整个领域的技术进步和创新发展。

数据集最近研究

最新研究方向

在三维生成领域，TRELLIS-500K数据集凭借其丰富的三维资产和美学评分筛选机制，为图像到三维和文本到三维的生成任务提供了重要的数据支持。该数据集整合了来自Objaverse(XL)、ABO、3D-FUTURE、HSSD和Toys4k等多个来源的三维模型，并通过美学评分进行筛选，确保了数据的高质量。当前研究热点集中在如何利用这些结构化三维潜在表示，提升三维生成模型的多样性和可扩展性。TRELLIS-500K的引入不仅推动了三维生成技术的发展，还为跨模态生成任务提供了新的研究视角，具有重要的学术和应用价值。