改进版PartNet数据集：引入对称层级结构（PartNet-Symh）

简介：
PartNet-Symh是改进版的PartNet数据集，它创新性地加入了对称层级结构，增强了模型对于物体部件间对称关系的理解和学习能力。 PartNet对称层次结构数据集（简称PartNet-Symh）是对原始的PartNet数据集进行扩充而来的。在“PartNet：用于细粒度和层次化部分级别3D对象理解的大规模基准”中，首次提出了PartNet数据集。随后，通过对每个形状添加精细颗粒度零件的递归层次组织方式，形成了新的PartNet-Symh数据集。 这种层级结构遵循了对称层次结构的原则（如Wang等人的研究），并用于训练在“PartNet：基于递归神经网络进行细粒度和层次化分割”论文中提出的模型。通常而言，该数据集可以被用来训练任何需要编码或解码零件基础结构的模型。 PartNet-Symh包含22369个不同类别的三维形状，涵盖了包括床、瓶子、碗、椅子等在内的总共24种不同的物体类别。关于这个数据集的具体统计信息，请参考相关文献中的表格1。