Datasets:

AI4Manufacturing
/

mfcad_original

dataset_info:
  features:
    - name: query
      dtype: string
    - name: step
      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: train
      num_bytes: 1207274801
      num_examples: 15488
  download_size: 366725211
  dataset_size: 1207274801
configs:
  - config_name: default
    data_files:
      - split: train
        path: data/train-*
tags:
  - smart-manufacturing
  - cad
  - brep
  - machining-features
  - step
extra_gated_prompt: >-
  Released for research use; access granted manually. State your name,
  affiliation, and intended use.
extra_gated_fields:
  Name: text
  Affiliation: text
  Intended use: text
license: mit
pretty_name: MFCAD (original, full STEP)

MFCAD (original) — 加工特征识别 · 原始 STEP

MFCAD 原始全量：15,488 个 STEP(B-rep) 实体模型 + 每模型的面级加工特征标签。已转为团队统一 7 字段 SFT schema。

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 STEP，无图像；渲染由团队后续统一处理。

🔴 坑 1：标签的下标是「面的名字」，不是「第几个面」

.face_truth 反序列化后是一个 int 列表。很自然会以为 labs[k] 是文件里第 k 个面的标签。 不是。 源仓 occ/dataset_visualizer.py 的原文是：

shape, face_ids = shape_with_fid_from_step(...)   # face_ids 来自 item.Name().ToCString()
for f in face_ids:
    fname = FEAT_NAMES[face_labels[face_ids[f]]]

face_ids 取自 STEP 里 ADVANCED_FACE 的 name 字段。也就是说 labs[k] 属于「名字叫 k 的那个面」。

全库 15,488 个模型实测：name 字段 15488/15488 都是 0..n-1 的一个排列，但 name 顺序与文件出现顺序相同的有 0 个。按文件顺序解读会标错 mean 62.6% / median 65.0% 的面（min 0% / max 100%；只有 34 个模型（0.22%） 的排列恰好保标签而不受影响）。

本库的 annot / metadata.face_labels / metadata.face_label_names 的索引 一律是面的名字编号。下游读 STEP 时请按 item.Name().ToCString() 取名字来对齐，不要用面的遍历顺序。metadata.face_index_semantics 里也写明了这一点。

🔴 坑 2：官方那张 16 类标签表本身是错的

源仓 occ/dataset_visualizer.py 里的 FEAT_NAMES 顺序错了，16 类里 15 类配错。这不是我们的猜测：GitHub issue hducg/MFCAD#2 "Incorrect FEAT_NAMES order" （deGravity，2022-11-09）早就提过，至今 open、作者从未回复。

正确的表由 occ/colors.json 的键顺序推出 —— 那是 25 类母表（24 个特征 + stock），剔掉 9 个非平面类（through_hole、circular_through_slot、Oring、blind_hole、 circular_end_pocket、v_circular_end_blind_slot、h_circular_end_blind_slot、 circular_blind_step、round）后按原顺序重编号 0..15：

0 chamfer                  4 triangular_through_slot   8 slanted_through_step   12 rectangular_blind_slot
1 triangular_passage       5 rectangular_through_slot  9 triangular_pocket      13 triangular_blind_step
2 rectangular_passage      6 rectangular_through_step 10 rectangular_pocket     14 rectangular_blind_step
3 6sides_passage           7 2sides_through_step      11 6sides_pocket          15 stock

⚠ 但 colors.json 也不能直接 list(keys())[label] 取名 —— 它是 25 项的 name -> 颜色值 字典，必须先剔掉那 9 个非平面类再重编号。本脚本用 derive_feat_names() 从 zip 内的 colors.json 现场推导并断言，不抄死结果。

怎么验出来的（几何判据，独立于那个 issue）

模型文件名（如 3-3-3-4-5-23）的前几个 token 就是该模型含有的特征类 id，由此可得每类在该模型里的重数；再除 .face_truth 里该类占的面数，得到「一个特征实例占几个面」。几何常识给出硬约束：chamfer 必为 1 个面， triangular_* 3 面族，rectangular_* 4 面族，6sides_* 6 面族。全库实测：

下标	实测面数/实例	修正表	官方 FEAT_NAMES
0	1.00	chamfer ✔	rectangular_through_slot ✘
3	6.00	6sides_passage ✔	triangular_passage ✘
11	7.00	6sides_pocket ✔	rectangular_pocket ✘
14	3.00	rectangular_blind_step ✔	chamfer ✘

修正表 15/15 吻合；官方表仅 2/15（而那 2 项是碰巧对上的）。最能说明问题的是同族单调性：按修正表，triangular / rectangular / 6sides 三种 passage 分别占 3 / 4 / 6 面，pocket 占 4 / 5 / 7 面 —— 与名字完全自洽；按官方表则是 6/4/2 和 4/7/2，讲不通。

📋 官方 train/valid/test split（本库已烘焙进 metadata）

split 不在本数据仓，在 hducg/MFCAD_GNN 的 experiments/simple/{train,valid,test}_list（pickle 的模型名列表）。实测 9,292 / 3,097 / 3,099 = 60/20/20，两两无交集，并集恰好等于全库 15,488。本库把它写进了 metadata.split_official，下游不必再去拼。

⚠ model_id 会泄题，而且它本身还不准

metadata.model_id（如 3-3-3-4-5-23）的前几个 token 就是该模型含有的特征类 id，等于把答案写在文件名上。构造 prompt 时禁止带入 model_id。

同时它也不能当真值用：全库实测，8.74%（1,354 个）的模型在文件名里声明了某个特征，但 .face_truth 里该类一个面都没有；反方向（标签有、文件名没声明）0 例。方向如此单一，说明是合成时该特征被后续布尔运算削掉了。被吃掉最多的是 rectangular_blind_step(331)、triangular_blind_step(302)、slanted_through_step(289) 这些浅特征。唯一可信的真值是 .face_truth（即本库的 annot），不是文件名。

⚠ 与 `mfcad_D01_TB4` 的关系（不要混淆）

组织里已有 mfcad_D01_TB4 —— 那是一期 D01 的渲染版，100 行。本库是原始全量 STEP（15,488 行），两者不是一回事。故仓库名取 mfcad_original 以免覆盖或混淆。

数据说明

15,488 对 .step / .face_truth，一一配对。源 zip 解压后 1,159,270,934 字节。
每模型面数：mean 22.62 / median 22 / range 8–59。全库面级样本 350,295 个 —— 预测单位是面，不是模型，所以这才是真正的样本量。
stock（未被加工到的毛坯面）占全部面的 **29.3%**，是最大的一类。
16 个类：chamfer, triangular_passage, rectangular_passage, 6sides_passage, triangular_through_slot, rectangular_through_slot, rectangular_through_step, 2sides_through_step, slanted_through_step, triangular_pocket, rectangular_pocket, 6sides_pocket, rectangular_blind_slot, triangular_blind_step, rectangular_blind_step, stock
面标签分布（前 8）：

类别	面数

有官方 60/20/20 split，已写进 metadata.split_official（见上）。

一个 sample 在预测什么

一个模型 = 一张面邻接图；图里的每一个 B-rep 面 = 一个预测单位，各出一个 16 选 1 的类别。 不是「一个模型一个类别」。官方 GNN 的 loss 是逐面 NLL、accuracy 是逐面统计。所以做 SFT 时，一条样本的 target 是整个模型所有面的类别表（annot），评测也应当在面这一级算。

Schema

query（分类提示，含 16 个类名） · step（STEP 原文） · image（null —— 需渲染） · annot（{面的名字编号: 类名} JSON —— 键是 STEP 里 ADVANCED_FACE 的 name，不是第几个面，见坑 1） · reasoning（null） · cate=B / task=T-B4（与 mfcad_D01_TB4 / fcad_D03_TB4 同属加工特征识别族） · metadata（model_id、**split_official、n_faces、face_labels**（原始下标，保真）、 **face_label_names、features_present、label_map_source、face_index_semantics**、 **model_id_leaks_answer**）

Load

from datasets import load_dataset
ds = load_dataset("AI4Manufacturing/mfcad_original")

Gated — request access; granted manually.

Provenance

源：https://github.com/hducg/MFCAD （zip 归档 226,038,318 字节）
split：https://github.com/hducg/MFCAD_GNN experiments/simple/{train,valid,test}_list
论文：Cao, W., Robinson, T., Hua, Y., Boussuge, F., Colligan, A.R., Pan, W. Graph Representation of 3D CAD Models for Machining Feature Recognition with Deep Learning. ASME IDETC/CIE 2020.
标签表订正依据：GitHub issue hducg/MFCAD#2（2022-11-09，open）+ 本库的几何验证（见坑 2）。