【三维几何学习】 三角网格(Triangular Mesh)分类数据集

引言

三角网格分类数据集相比图像要少很多，特此记录方便后续实验。

一、SHREC’11

论文¹:SHREC '11 Track: Shape Retrieval on Non-rigid 3D Watertight Meshes
数据: simplified models from MeshCNN

有30个类别，每个类别20个形状。比较常用的是MeshCNN所提供500个面的版本。

两种分割标准：(1) Split-16 16个训练4个测试 (2) Split-10 10个训练10个测试。一般取3次随机分割的平均准确率.

二、Cubes

主页²:MeshCNN: A Network with an Edge
数据: Cubes classification dataset

论文所提供的数据集有22个类别，3722个训练模型，659个测试模型 (但是论文里写的是 3910 / 690)
一些没有结果的讨论Train/Test Split of CUBES、CUBES Train/Test Split，后续的论文均采用 3722 / 659 私以为作者应该是写错了，但是毕竟提供了原始数据集以供后续研究，问题不大
数据集较为特殊，核心模型是内嵌到正方体中的，很多基于拉普拉斯(谱域) 输入的方法并没有使用这个数据集

三、ModelNet

主页以及数据³:ModelNet

存在 ModelNet40 和 ModelNet10 两种不同类数的数据集，同时有提供方向对齐的版本 (大多数方法都是在对齐后的数据上进行训练测试)

由于其中很多模型的部分是断裂的，大多数基于水密网格的算法并没有使用到这个数据集。
SubdivNet⁴提供了其水密版本 (如上图)，私以为其以坐标作为输入的特征之一，相比基于点云的方法(如PCT)-在这个数据集的上的准确率并不尽人意。
目前据我所知⁵，Learning on 3D Meshes with Laplacian Encoding and Pooling 应该是在这个数据集上分类准确率最高的方法之一 (三维几何学习领域)

四、MSB

主页⁶:McGill 3D ShapeBenchmark

共19类458个模型MeshNet++⁷首先将其简化到500个面，每类选十个模型训练，剩余模型测试。随机生成了10个这样的训练/测试集，最终准确率为10 run best。

五、3D-FUTURE

主页⁸:3D-FUTURE: 3D FUrniture shape with TextURE

目前(2022年)我只找到MeshNet++⁷使用了这个数据集进行网格分类任务
共34类9992个3D模型 -- 官方训练测试分割 6699/3293，MeshNet++⁷将其简化到1024个面然后进行训练和测试。
注意：MeshNet++⁷在与其他方法进行对比时，对其他方法的准确率进行了reproduced，统一了Input Faces的数量。

其它

GitHub上大佬总结的3D数据集：3D Machine Learning
三维点云数据集总结：三维点云数据集总结
在大佬的主页们里寻找源码和数据集 (排名不分先后 - - )：高林老师、Maks、胡事民老师

GAMES第一期学术沙龙观点集锦
不得不提一句:大佬们已经开卷NeRF了，而我还在研究Mesh...

---

1. SHREC '11 Track: Shape Retrieval on Non-rigid 3D Watertight Meshes ↩︎

2. MeshCNN: A Network with an Edge ↩︎

3. ModelNet ↩︎

4. Subdivision-Based Mesh Convolution Networks ↩︎

5. Learning on 3D Meshes with Laplacian Encoding and Pooling ↩︎

6. McGill 3D ShapeBenchmark ↩︎

7. MeshNet++: A Network with a Face ↩︎ ↩︎ ↩︎ ↩︎

8. 3D-FUTURE: 3D FUrniture shape with TextURE ↩︎