metadata
license: CC-BY-4.0
tags:
- ShapeNetCar
- 3D Aerodynamic Flow Field Prediction
language:
- en
- zh
ShapeNetCar
数据集描述
ShapeNetCar 数据集来源于 Umetani 和 Bickel 发表于 ACM Transactions on Graphics（SIGGRAPH 2018）的论文 《Learning Three-dimensional Flow for Interactive Aerodynamic Design》。该数据集以 ShapeNet 中的汽车三维几何为基础，通过 CFD 仿真获得车辆周围的速度场、表面压力和阻力系数，用于研究由三维几何快速预测空气动力学物理场及气动力的方法。
数据集支持的任务
本标准化数据仓库面向 ShapeNetCar 汽车外流场预测任务整理，仓库包含原始训练数据、预处理图数据、归一化统计量、线性回归辅助代码、论文图表数据及结果对比图，可用于 OneScience/Transolver-Car-Design 模型的训练、推理、评估和可视化。本仓库收录 889 个汽车几何样本，按 param0 至 param8 分组，既保留原始 CFD 数组、网格和 VTK 文件，也提供面向图神经网络模型的预处理样本。每个预处理样本由节点特征、目标物理场、三维坐标、表面掩码和图边索引组成。
数据集的格式和结构
预处理图数据中，每个 preprocessed_data/param*/<sample_id>/ 目录包含：
| 文件 | shape | dtype | 说明 |
|---|---|---|---|
x.npy |
[num_nodes, 7] |
float64 |
节点输入特征，包含位置、符号距离函数（SDF）和法向量等特征 |
y.npy |
[num_nodes, 4] |
float64 |
目标物理场，前三个通道为速度分量，最后一个通道为压力 |
pos.npy |
[num_nodes, 3] |
float32 |
节点三维坐标 |
surf.npy |
[num_nodes] |
float64 |
表面节点掩码 |
edge_index.npy |
[2, num_edges] |
int64 |
图结构的边索引 |
归一化统计文件位于 stats/：
| 文件 | shape | dtype | 说明 |
|---|---|---|---|
mean_in.npy |
[7] |
float32 |
输入特征均值 |
std_in.npy |
[7] |
float32 |
输入特征标准差 |
mean_out.npy |
[4] |
float32 |
输出物理量均值 |
std_out.npy |
[4] |
float32 |
输出物理量标准差 |
数据集使用方式
本数据集适配 OneScience-Sugon/Transolver-Car-Design 模型。模型运行时可通过模型包脚本将本仓库的数据组织到 data/下。
- 文件与下载：
hf download --dataset OneScience-Sugon/ShapeNetCar --local-dir ./data
OneScience 官方信息
| 平台 | OneScience 主仓库 | Skills 仓库 |
|---|---|---|
| Gitee | https://gitee.com/onescience-ai/onescience | https://gitee.com/onescience-ai/oneskills |
| GitHub | https://github.com/onescience-ai/OneScience | https://github.com/onescience-ai/oneskills |
引用与许可证
- 本数据集基于 Nobuyuki Umetani 和 Bernd Bickel 发布的 ShapeNetCar 三维气动流场数据进行整理或转换，使用时请引用 ShapeNetCar 原始论文：Learning Three-dimensional Flow for Interactive Aerodynamic Design
- 若本数据集用于复现 Transolver 的汽车气动设计实验，请同时引用 Transolver 原始论文：Transolver: A Fast Transformer Solver for PDEs on General Geometries
- 本仓库保留来源说明，并面向 OneScience ModelScope 自动运行场景进行整理；公开分发前请根据上游项目确认许可证要求。