--- 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： ```python 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"](https://github.com/hducg/MFCAD/issues/2) （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`](https://github.com/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`](https://huggingface.co/datasets/AI4Manufacturing/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 ```python 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）。 - 许可：**MIT**（源仓 `LICENSE`，Copyright (c) 2020 hducg）。请引用上游。