Generating CAD Code with Vision-Language Models for 3D Designs
Paper • 2410.05340 • Published
You need to agree to share your contact information to access this dataset
This repository is publicly accessible, but you have to accept the conditions to access its files and content.
Released for research use; access granted manually. State your name, affiliation, and intended use.
Log in or Sign Up to review the conditions and access this dataset content.
CADPrompt (自然语言 -> CadQuery 代码)
CADPrompt（Alrashedy et al., ICLR 2025, Generating CAD Code with Vision-Language Models for 3D Designs） 已转为团队统一 7 字段 SFT schema。200 个样本。
按庞威裁决上传原始 dataset 本身（"direct VLM 如果需要 render 的那种可以先传 dataset 本身，我来看看 有没有办法弄一下 rendering"）。本库是原始文本+代码，渲染由团队后续统一处理。
⚠ 两点必须先看
1. 这个集没有任何可用作 VLM 输入的图像 —— image 全为 null。
全库只有 7 张 png，没有一张是每样本配图：3 张是仓库级插图（Examples.png / Statistics.png /
CADCodeVerify.png），另外 4 张散落在 3 个样本目录里（00001817、00520776、00997300），
是作者遗留的杂图。所以它不是 raw-direct，必须先从 CadQuery 代码渲染才能做 VLM 输入。
（登记表原写 "文本+代码，无稳定图像→非VLM raw-direct" —— 实测吻合。）
2. 许可：无。 仓库里零 LICENSE 文件，GitHub API license 字段返回 null，README 也无任何许可条款。
上游几何血缘（DeepCAD → ABC）不构成授权 —— 那两个仓的 MIT 只覆盖代码，不覆盖数据；
且 ABC 的几何继承 Onshape ToU。本库按团队要求"先传上来并在 README 标注"处理，再分发授权状态未解决。
⚠ 批量执行警告：200 份 GT 代码的 export 路径完全同名
annot 里 200 份代码结尾全是 cq.exporters.export(part, 'Ground_Truth.stl') ——
硬编码相对路径（本次转换实测 export 目标计数 {'Ground_Truth.stl': 200}，缺 export 的 0 份）。
在同一个 cwd 里批量执行这些代码（GT 代码或模型生成的代码都一样）会静默互相覆写同一个文件，
不报错，最后只剩最后一个物体。必须逐样本 chdir 到独立目录，或执行前把 export 目标改写成带
model_id 的路径。做渲染/评测前先解决这个，否则渲出来只有一个物体。
Schema
query（自然语言描述，取的是带具体尺寸的变体，见下面的对表警告） · image（null —— 见上） ·
annot（CadQuery Python 代码，ground truth） · reasoning（null） ·
cate=E / task=T-E1 ·
metadata（model_id、prompt_plain、prompt_with_measurements、geometry_ground_truth、
deepcad_sequence_json、网格路径）
query 与论文对表警告：本库 query 用带精确尺寸的 prompt 变体
（..._with_specific_measurements.txt，200/200 含数字）。但论文全文 0 次提到该变体
（§4.1 只说 "manually annotated with a natural language prompt"，单数），其报的数大概率用的是
朴素版（朴素版 109/200 一个数字都没有）。所以本库 query 列不能直接跟论文 Table 2 对表；
要复现论文数字请改用 metadata.prompt_plain（朴素版原文，每个样本都有）。
metadata.geometry_ground_truth 字段语义（照字段名字面用会全错）
来自每样本的 Ground_Truth.json。字段名有坑，实测语义（OBJ 顶点/面复算，全部 200 个）如下——
生成几何属性问答前必须先按这张表重解释字段：
| 字段 | 实测语义 |
|---|---|
Number_of_Faces |
网格三角面数（200/200 等于 Ground_Truth.obj 的 f 行数），不是 B-rep 面数——一个圆柱在这里就有 140 个 "face"。拿它答"这个零件有几个面"会 200/200 全错 |
Width_mm |
X 跨度（200/200 吻合） |
Height_mm |
Y 跨度（200/200 吻合），不是 CadQuery 拉伸方向：碰巧等于 Z 跨度的只有 8/200。照字面当"高度"做问答/校验会系统性错 192/200 |
Depth_mm |
Z 跨度（200/200 吻合）= CadQuery 拉伸方向，即代码和 measurements prompt 里说的 "high" |
_mm 后缀 |
是假的：DeepCAD 几何已归一化，会出现 Depth_mm: 0.00391 这种物理上荒谬的值；prompt 里则统一说 "units" |
deepcad_sequence_json是该model_id对应的 DeepCAD/Onshape 构造序列 json 原文，但它 与annot/网格不共享坐标系：逐样本尺度比不定（独立复核 0/200 在 1× 对齐）。 禁止当监督信号，也不能拿来交叉校验 STL，只作编号溯源用。网格
.obj/.stl没有上传到本 HF 库：metadata.mesh_files里是相对上游 zip 解压后CAD_Code_Generation-main/CADPrompt/的相对路径，load_dataset拿不到这些文件， 需要自行下载原仓库（见 Provenance）。
task 码依据（照团队官方文档，非臆断）：
sft_task_merge_plan_v3定义T-E1= CAD Code Generation & Editing（cate E），原文 *"Generate executable parametric CAD (CadQuery) code… Executable CAD-code output is distinct from CAD perception/QA (which is T-B4 / T-B3)"*，输出为CadQuery code。本集产出正是 CadQuery 代码，故归 T-E1 / cate E。 （注：文档 T-E1 的生成路径写的是「4 orthographic renders → CadQuery code」，本集是 自然语言 → 代码，属同族但输入模态不同，已如实标注。）
Load
from datasets import load_dataset
ds = load_dataset("AI4Manufacturing/cadprompt", split="test")
原集无 train/val/test 划分，整集就是测试集（论文零训练、纯 prompting 评测的 benchmark），
所以本库显式落成 test 单分片——不要把它当训练数据混进 SFT 池。
Gated — request access; granted manually.
Provenance
- 源：https://github.com/Kamel773/CAD_Code_Generation （数据在
CADPrompt/子目录，200 个以 DeepCAD 编号命名的样本目录） - 论文：Alrashedy, K. et al. Generating CAD Code with Vision-Language Models for 3D Designs. ICLR 2025. arXiv:2410.05340
- 许可：无（all rights reserved） —— 见上。请引用上游。
- 取舍说明：
00998698目录下有第二份构造方式不同的 GT 代码Code_Ground_Truth_symmetrical.py（导出名也不同，是Code_Ground_Truth.stl）；本转换统一只取每目录的Python_Code.py。
- Downloads last month
- 20