CoolFace
Datasetpublic

yasNing/VibeWorlding-V2-Query

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… See the full description on the dataset page: https://huggingface.co/datasets/yasNing/VibeWorlding-V2-Query.

sourceHugging Faceunknownupdated 2d agoView on Hugging Face
0likes474downloads
Dataset Card

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（textto3d/imageto3d）、application_domain_primary（应用领域）、 scene_space（场景空间：indoor/outdoornatural/outdoorrural/outdoorurban）、 `indoorsubtype（室内子类型，仅indoor适用）、season（季节，仅outdoor适用）、 terrainprimary`/`ecologyprimary（地形/生态，仅outdoor_natural适用）、 layoutprimary`（空间布局，仅indoor/outdoorrural/outdoorurban适用）、 `geoculture（地理文化，同上）、climatezone`（气候带）、 `historicalperiod（历史时期，仅indoor/outdoor_rural/outdoor_urban适用）、 visualstyle`（视觉风格）、`othervisualstylesubtype（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（imageto3d卡片的参考图相对路径，指向img/目录；textto3d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（attachableparthint）

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)