3D建筑标注数据集
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
BuildingNet 是 ICCV 2021 oral 论文对应的 3D 建筑数据集与方法页面。它包含大规模 3D 建筑模型外立面的语义部件标注，并提出一种通过分析几何 primitive 的空间与结构关系来标注建筑 mesh 的图神经网络。该项目更接近研究数据集与算法基准，而不是传统意义上的 SaaS 开发者工具。
从正文看，BuildingNet 包含 2K 个建筑模型、513K 个已标注 mesh primitives，以及 292K 个语义部件组件，覆盖房屋、教堂、摩天楼、市政厅、图书馆、城堡等类别。它提供 mesh 和 point cloud labeling 的评测基准，适用于 3D 语义分割、部件生成模型、几何对应、纹理和真实建筑点云分析等任务。项目还关联了 CVPR 2023 Workshop 的 BuildingNet Challenge，并通过 EvalAI 进行挑战赛信息发布。
官方实现位于 GitHub，说明代码至少有公开仓库入口；但正文未说明使用的编程语言、深度学习框架、许可证或安装方式。数据集并非直接开放下载，而是需要填写表单申请官方 release。页面提供论文 PDF、BibTeX、补充 UI 操作视频、演示幻灯片、海报和挑战赛材料，学术资料较充分，但工程化文档、API/SDK、数据格式说明和生产集成信息不足。
正文没有提到收费或商业定价，因此只能判断其主要面向免费学术研究访问。由于需要申请数据集、理解论文方法并自行运行 GitHub 代码，使用门槛明显高于即开即用工具。对于熟悉 3D mesh、点云处理和深度学习训练流程的研究者较合适。
优势是建筑场景专门化、标注规模明确、任务复杂度高，并提供可比较的 benchmark；不足是访问流程不够直接，许可证和商业可用性不明，缺少 API、SDK 和托管能力。它适合计算机视觉、计算机图形学、建筑点云分析和 3D 语义分割研究团队，不适合希望快速集成到业务系统的普通开发者。
页面正文未提供网络可达性、镜像或国内下载信息；GitHub、YouTube、EvalAI 等相关资源在中国大陆可能存在访问不稳定或需代理的情况，但对 buildingnet.org 本身无法仅凭正文判断，故评为未知。替代参考可包括 ShapeNet、PartNet 等 3D 数据集。
本测评基于公开资料整理,不构成购买建议,请以 buildingnet.org 官网实际信息为准。
ICCV论文数据集和代码，适合AI/3D研究。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。