| ---
|
| dataset_info:
|
| features:
|
| - name: query
|
| dtype: string
|
| - name: image
|
| dtype: string
|
| - name: annot
|
| dtype: string
|
| - name: reasoning
|
| dtype: string
|
| - name: cate
|
| dtype: string
|
| - name: task
|
| dtype: string
|
| - name: metadata
|
| dtype: string
|
| splits:
|
| - name: test
|
| num_bytes: 2070110
|
| num_examples: 200
|
| download_size: 401382
|
| dataset_size: 2070110
|
| configs:
|
| - config_name: default
|
| data_files:
|
| - split: test
|
| path: data/test-*
|
| tags:
|
| - smart-manufacturing
|
| - cad
|
| - code-generation
|
| - cadquery
|
| - text-to-cad
|
| extra_gated_fields:
|
| Name: text
|
| Affiliation: text
|
| Intended use: text
|
| pretty_name: CADPrompt
|
| license: unknown
|
| extra_gated_prompt: Released for research use; access granted manually. State your
|
| name, affiliation, and intended use.
|
| ---
|
| # 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
|
| ```python
|
| 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](https://arxiv.org/abs/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`。
|
|
|
