Team Ai
Datasetpublic

ZZoutian/figure2data-database-v2

figure2data databasev2 — 40K v6 合成科研图表数据集（最终交付版） 生成日期：2026-09-17　生成器：generator 1.6.0 / dataset_generation_revision v6（含两次 hotfix） 规模：40,000 样本（10 图族 / 33 亚型；area、matrix 冻结不生成，set_relation 已删除） 目录结构 databasev2/ ├── figure2data.sqlite3 # 主数据库（2.0 GB：40,000 samples / 280,000 documents） ├── schema/ # sqlite schema ├── shards/ # 数据资产（shard = (样本序号-1)//1000） │ └── shard_000 .. shard_039/ │ ├── images/ # PNG… See the full description on the dataset page: https://huggingface.co/datasets/ZZoutian/figure2data-database-v2.

sourceHugging Faceupdated 19d agoView on Hugging Face
0likes6.3kdownloads
Dataset Card

figure2data databasev2 — 40K v6 合成科研图表数据集（最终交付版）

生成日期：2026-09-17　生成器：generator 1.6.0 / datasetgenerationrevision v6（含两次 hotfix） 规模：40,000 样本（10 图族 / 33 亚型；area、matrix 冻结不生成，set_relation 已删除）

目录结构

databasev2/
├── figure2data.sqlite3        # 主数据库（2.0 GB：40,000 samples / 280,000 documents）
├── schema/                    # sqlite schema
├── shards/                    # 数据资产（shard = (样本序号-1)//1000）
│   └── shard_000 .. shard_039/
│       ├── images/            # PNG ×1,000（dbv1_00000001 … dbv1_00040000）
│       ├── documents/         # 标注 JSON ×1,000（每样本 7 文档：truth/scene/geometry/calibration/style/quality/provenance）
│       ├── arrays/            # NPZ 原始数组（9,290 个样本有）
│       ├── completed.jsonl    # 生成台账（审计追溯用）
│       └── metrics.json
├── plans/
│   ├── generation_plan_v1.jsonl   # 40,000 行生成计划（v6 scope 硬契约）
│   └── effective_quota.json       # 实际配额与 scope 出处
├── code/                      # 生成图像的完整源代码快照
│   ├── src/databasev1/        # 生成器包（recipes/generator/scheduler/audit/adapter/storage…）
│   ├── config/                # generation_v1.yaml / quota_v1.yaml / taxonomy_v1.yaml
│   ├── tests/                 # 250+ 回归测试（含 v6 契约与两次 hotfix 回归）
│   ├── tools/                 # check_area_freeze.py 等
│   ├── scripts/               # 检查批脚本
│   ├── databasev6.md          # v6 构建规格书
│   └── pytest.ini
└── reports/                   # 机器验收报告
    ├── report.md              # 总报告
    ├── final_gate.json        # COMPLETE：strict audit 0 issue / scale_audit 13/13 / sqlite 全量哈希 ✓
    ├── audit_strict.json + shards/audit_strict_shard_*.json
    ├── scale_audit_strict.json / sqlite_report.json / near_duplicate_report.json / duplicates.json
    └── plan_summary.json / reroll_by_*.json / runtime_metrics.csv / environment.json

质量状态（final_gate.json）

  • —全量 strict 审计：40,000/40,000，0 issue（schema/reference/geometry/calibration/layout/inset/raster + v6 全契约，含 panel 级 scope）
  • —scale_audit --strict：13/13 硬门通过（attempt0 97.17%、hard failure 0、quota 精确、泄漏 0、全量哈希 ✓）
  • —sqlite：integrity ok / FK 0 / image+array+document 全量 SHA256 校验通过
  • —精确重复 0；near-duplicate（dHash≤4，report-only）抽验为同型模板 artifact（truth 全不同）

本版包含的两次 hotfix（详见 reports/report.md）

  1. 1.inset 遮挡：inset 槽位改数据感知（绘制主 panel 后按 series 覆盖率选角位）+ qa/audit 双层 inset_covers_series / INSET_COVERS_SERIES 门禁；inset 队列 10,000 样本统一重生成
  2. 2.冻结族泄漏：副 panel mixer 曾从全 REGISTRY 抽中 area/matrix（3,772 样本）→ rejection 重抽修复 + PANEL_FAMILY_SCOPE 契约；泄漏样本全部重生成，残留 0

复现 / 再生成

bash
cd code
python -m venv .venv && .venv/bin/pip install matplotlib pillow numpy pyyaml pytest
PYTHONPATH=src .venv/bin/python -m databasev1.cli resume   # 幂等：已有样本跳过，缺失重生成
PYTHONPATH=src .venv/bin/python -m databasev1.cli audit_yh --dataset shards/shard_000 --strict
PYTHONPATH=src .venv/bin/python -m pytest tests/ -q        # 回归套件
PYTHONPATH=src .venv/bin/python tools/check_area_freeze.py # 冻结族守卫

生成确定性：globalseed=20260915（config/generationv1.yaml），sampleseed 由 sampleid 稳定派生； 同代码 + 同 plan → 同 PNG 字节（deterministic replay 已验证）。

注意

  • —databasev1/database/figure2data_v6_5k.sqlite3（5K 快照）是旧中间产物，未含上述 hotfix，请勿使用；以本目录为准。
  • —sqlite 中 image_path 为 shard 相对路径（images/<sample_id>.png），按 shard_(idx-1)//1000 定位。
ZZoutian/figure2data-database-v2 · Team Ai