Datasetpublic

AnchorSR/TrainingData_Stage3

AnchorSR Stage3 · metric-v1.0 直接选择 Small / Large 配置训练题数用途 small 1,000,000 先验证答案监督／先验恢复，按新版 Large 联合分布抽样 large 89,801,853 筛选后的完整训练集合，包含 Small 全部样本 from datasets import load_dataset data = load_dataset('AnchorSR/TrainingData_Stage3', 'small', # 或 large revision='metric-v1.0', streaming=True) 这是对 scaling-v1.0 的语义筛选与统一任务分类，不是增加新数据源。 Large 从 89,828,269 题保留 89,801,853 题，隔离 26,416 题。旧标签 scaling-v1.0 / video-v1.0 / large-v1.0… See the full description on the dataset page: https://huggingface.co/datasets/AnchorSR/TrainingData_Stage3.

sourceHugging Faceotherupdated 15d agoView on Hugging Face

0likes11kdownloads

Dataset Card

AnchorSR Stage3 · metric-v1.0

直接选择 Small / Large

配置	训练题数	用途
`small`	1,000,000	先验证答案监督／先验恢复，按新版 Large 联合分布抽样
`large`	89,801,853	筛选后的完整训练集合，包含 Small 全部样本

python

from datasets import load_dataset
data = load_dataset('AnchorSR/TrainingData_Stage3', 'small',  # 或 large
                    revision='metric-v1.0', streaming=True)

这是对 scaling-v1.0 的语义筛选与统一任务分类，不是增加新数据源。 Large 从 89,828,269 题保留 89,801,853 题，隔离 26,416 题。旧标签 scaling-v1.0 / video-v1.0 / large-v1.0 均不移动，原始池与旧样本不删除。 Small 重新无放回抽取 1,000,000 题，按 source × 统一子类型 × semantic_modality 配额，每个非空层至少 1 题，固定种子。Small/Large 不可拼接，旧 Small 实验不能直接当作新版的数据量对照。

仅对保留样本改分类／新增审计字段：原问题、training_question、training_answer、媒体路径、帧顺序和定位标记均逐分片核验不变。没有猜测修复答案，没有引入额外帧、伪造 FPS 或增加 CA-VQA 的“最后一帧为参考帧”提示。媒体 TAR 完全复用；Large 索引保留父版本的安全超集，Small 索引按实际引用重建。

统一任务大类、数量与占比

类型	Small 数量	Small 占比	Large 数量	Large 占比
距离与深度	730,637	73.0637%	65,612,592	73.0637%
物体尺寸	215,818	21.5818%	19,380,884	21.5818%
三维包围框	50,244	5.0244%	4,512,009	5.0244%
角度与旋转	2,713	0.2713%	243,725	0.2714%
复合几何与位姿	404	0.0404%	36,208	0.0403%
面积与体积	183	0.0183%	16,431	0.0183%
物理位置与坐标	1	0.0001%	4	0.0000%
合计	1,000,000	100%	89,801,853	100%

三维框指米制三维范围，不是二维图片框；数值角度保留，粗粒度角度类别单独标记。物理位置包括米制坐标／地面区域；“二维图像坐标＋米制深度”归复合任务，不是纯二维定位，也不是直接的三维坐标向量。

统一子类型

类型	Small 数量	Small 占比	Large 数量	Large 占比
surface_distance	229,903	22.9903%	20,645,710	22.9903%
object_distance	137,526	13.7526%	12,350,184	13.7527%
horizontal_distance	112,435	11.2435%	10,096,877	11.2435%
vertical_distance	111,071	11.1071%	9,974,343	11.1071%
height	107,428	10.7428%	9,647,211	10.7428%
width	80,181	8.0181%	7,200,485	8.0182%
depthaxisdistance	75,031	7.5031%	6,737,939	7.5031%
aabb_3d	50,244	5.0244%	4,512,009	5.0244%
camera_distance	50,244	5.0244%	4,512,009	5.0244%
length	27,312	2.7312%	2,452,606	2.7311%
camera_depth	14,292	1.4292%	1,283,468	1.4292%
relativeorientationangle	1,982	0.1982%	177,992	0.1982%
longest_side	897	0.0897%	80,582	0.0897%
viewpointturnangle	437	0.0437%	39,315	0.0438%
objectrotationangle	219	0.0219%	19,699	0.0219%
trianglelengthsangles	217	0.0217%	19,507	0.0217%
area	175	0.0175%	15,708	0.0175%
center_distance	135	0.0135%	12,062	0.0134%
translation_rotation	104	0.0104%	9,295	0.0104%
imageprojectionwith_depth	83	0.0083%	7,406	0.0082%
camerarotationangle	74	0.0074%	6,654	0.0074%
volume	8	0.0008%	723	0.0008%
angle	1	0.0001%	65	0.0001%
metricpositionregion	1	0.0001%	4	0.0000%
合计	1,000,000	100%	89,801,853	100%

Video / Image

类型	Small 数量	Small 占比	Large 数量	Large 占比
image	773,312	77.3312%	69,444,658	77.3310%
video	226,688	22.6688%	20,357,195	22.6690%
合计	1,000,000	100%	89,801,853	100%

video 包括原生 MP4 和有来源依据的有序视频帧组；image 包括单图与真正多视角。模态契约继承 scaling-v1.0：CA-VQA 保留全部原帧；SpaceVista 依契约区分视频与多视角，保留帧组、顺序和重复帧。

来源与筛选核算

以下“筛选前”是上一版 Large 训练集，不是原数据源总量或 105M 原始候选池。

来源	筛选前	保留	隔离
cavqa	19,825,020	19,825,020	0
hispatial	69,298,561	69,281,332	17,229
sims_vsi	21,980	21,980	0
spacevista	428,623	419,436	9,187
vica322k	119,288	119,288	0
vsi590k	134,797	134,797	0

类型	Small 数量	Small 占比	Large 数量	Large 占比
hispatial	771,493	77.1493%	69,281,332	77.1491%
cavqa	220,762	22.0762%	19,825,020	22.0764%
spacevista	4,672	0.4672%	419,436	0.4671%
vsi590k	1,500	0.1500%	134,797	0.1501%
vica322k	1,328	0.1328%	119,288	0.1328%
sims_vsi	245	0.0245%	21,980	0.0245%
合计	1,000,000	100%	89,801,853	100%

Large 隔离原因

原因	数量
计数／排序／选择物体／定性关系等非度量任务 (`nonmetric_source_task`)	17,162
问题要求多个尺寸，但旧训练答案未保留多值结构 (`multi_dimension_target_not_preserved_as_vector`)	8,149
位姿分量对应关系或单位不明确 (`pose_components_or_units_unresolved`)	900
图像投影＋深度的米制依据或格式不足 (`projection_depth_unit_or_format_unresolved`)	137
来源度量单位与现有训练目标冲突 (`source_metric_unit_conflicts_with_training_target`)	48
距离／尺寸／面积等非负物理量出现负值 (`negative_unsigned_metric_target`)	11
相机摆放建议被旧解析缩成含义不完整的单个数值 (`camera_advice_reduced_to_unqualified_scalar`)	8
长度单位无法确认 (`length_unit_unresolved`)	1

“隔离”不等于判定所有源答案错误。例如缺少单位／分量对应关系的原题可能仍有价值，但当前版本不猜测；部分多尺寸原答案被旧解析器拼接成单一数字，亦不直接作为有效标量训练。负值隔离中也可能包含旧标签将带符号的位置坐标误归为高度／距离的题，需单独恢复语义；本版不将它们直接视作源标注错误，明确坐标／角度／位姿任务本身允许负值。逐题记录见 metric_v1/manifests/quarantine/，包含原 ID、问答、单位和原因，可由旧固定版本追溯完整样本。

字段与边界

—task_family：统一大类；task_type：统一子类型。
—legacy_task_family / legacy_task_type / source_task：保留旧分类与来源任务，便于追溯。
—metric_unit / metric_reference / metric_precision：本次核验后的单位、参考系证据与精度类别。
—metric_filter_reason / taxonomy_version：保留依据与规则版本。
—旧 original_unit / canonical_* 保留为历史字段，不可当作本次已修正的权威单位字段。三维框中 2,054,945 条旧单位误记为 m2 / m3，实际六个答案分量均为 m；本版 metric_unit=m，不修改原六坐标答案。
—relative_orientation_angle 包含来源以数值表达的粗粒度角度类别，metric_precision=coarse_numeric_orientation_category，不宣称连续角度真值精度。

三维框的米制相机空间任务依据实际六坐标答案及 HiSpatial 原论文任务定义。来源空间标注可能来自估计而非实测；本次检查的是任务范围、输出结构与元数据一致性，不是逐题视觉真值审核。

评测与验收

评测同样应用范围筛选，各题保留在原 split，不从评测组回填训练。两版共用以下集合：

split	题数
validation	49,739
test	49,696
video_validation	1,585
video_test	1,725

这些是旧评测的筛选子集，因此比较模型时必须固定本版评测，不能直接混用旧版分数。 未重新进行全源物理场景隔离，既有 Hypersim 同场景跨集合风险仍需保留；不宣称完全场景独立。 本版核验：父分片 SHA256、全行规则判断、保留 QA／媒体字段一致、Small 配额与子集、评测 ID 隔离、媒体引用和真实读取。未进行本版正式模型训练，任务配比一致也不自动证明 scaling 因果关系。

读取与训练

安装 huggingface_hub pyarrow requests pillow numpy av，下载 tools/ 中三个脚本。

python

from load_stage3_data import Stage3Dataset
ds = Stage3Dataset('/scratch/stage3-cache', config='small', revision='metric-v1.0', max_cache_gib=4)
sample = ds.sample(next(ds.rows('train')))
# question / answer / visual_inputs；标记已渲染，帧顺序已保留。

正式入口见项目 Stage3 指南，须使用明确支持 metric-v1.0 的代码版本。300GiB 环境按需取 TAR 字节范围，不要全库下载；模型和优化器空间另算。同一问答内部不打乱帧；训练行跨分片混洗。两版固定相同输入预算、模型初始化和优化策略，报告实际 step / token / 帧曝光。

来源许可与版本

仍为 CA-VQA、HiSpatial、SpaceVista、VSI-590K、SIMS-VSI、ViCA-322K 六个来源，未加入 SenseNova。不重新授权上游素材：CA-VQA/CubifyAnything 为 CC-BY-NC-ND-4.0；SpaceVista 为 CC-BY-4.0； VSI-590K、SIMS-VSI 为 Apache-2.0；ViCA-322K 为 CC-BY-NC-4.0；HiSpatial 为 MIT，底层素材条款另行适用。混合集不能视作可自由商用。完整统计与筛选证据：metric_v1/manifests/build-audit.json、任务映射、Small 配额。