这篇论文介绍了一个城市建模的数据集 Building3D，它包括超过 160,000 幢建筑物的点云、网格和线框模型，覆盖爱沙尼亚的 16 个城市，面积约为 998 平方公里。作者通过对先进算法的评估发现 Building3D 存在高内类别差异、数据不平衡和大规模噪声等挑战。这个数据集是首个最大规模的城市建模基准，可以用于监督学习和自监督学习方法的比较。作者认为 Building3D 将促进未来在城市建模、航路规划、网格简化和语义 / 部分分割等领域的研究。

Jul, 2023

本文介绍了以意见为主题的 ReCO 数据集，该数据集是目前中文阅读理解数据集中最大的，其中需要进行因果推理、逻辑推理等各种推理技能。与传统数据集不同的是，ReCO 除了提供上下文段落外，还提供支持证据，这为机器阅读理解提供了很好的挑战。

Jun, 2020

本研究旨在为品牌发展提供有益和关键的信息检索任务之一的场所推荐，建立一个全面的数据集，名为 OpenSiteRec。OpenSiteRec 利用异构图模式表示各种类型的真实世界实体和关系，以评估推荐模型在场所推荐任务上的性能。

Jul, 2023

本研究提供了一份可扩展性强、真实感更强、规模更大、变异性更强、且在训练和评估深度学习方法、基准测试同时定位和映射（SLAM）方面有更广泛用途的数据集，以支持计算机视觉领域的研究。我们使用数百万个专业室内设计和制作级家具资产进行高分辨率和高帧率视频序列渲染，并支持各种摄像头类型以及惯性测量。同时，我们展示了稀疏和密集 SLAM 算法的基准测试结果。

Sep, 2018

本文提出了使用图卷积网络 (GCN) 估算房屋平面图地产价值的模型，并通过租金精度的比较验证了该模型的准确性，还分析了 GCN 学习得到的房屋平面图特征以及影响房屋平面图价值的空间配置规则。

Mar, 2023

本文介绍了 Zeitview Rooftop Geometry（ZRG）数据集，包含成千上万个高分辨率空照图像的采样，用于住宅屋顶几何和场景理解的数字地面模型（DSM），3D 屋顶线框和多视角图像生成点云，并进行了充分的基准测试，以说明此数据集解锁的众多应用程序，并为屋顶轮廓提取、单眼高度估计和平面屋顶结构提取任务提供基线。

Apr, 2023

我们构建了一个大规模、全面且高质量的城市规模神经渲染研究的合成数据集 MatrixCity，包含了来自两个城市地图的 67,000 张航拍图像和 452,000 张街道图像，通过 Unreal Engine 5 City Sample 项目收集，可用于城市规模神经渲染和其他任务的研究。

Sep, 2023

面向庞大的约束优化问题，本研究提出 FloorSet - 两个包含真实分布状况的综合合成固定轮廓布局的大型训练数据集和性能度量的现代基准，旨在推动大规模约束优化问题的基础研究和解决基于机器学习的解决方案的再现性问题。

May, 2024

本研究使用大规模建筑模拟数据集建立了预训练模型，实现短期负荷预测模型的泛化，进一步运用该模型提出了零样本与迁移学习等新颖任务，同时增强数据集多样性可提高预测性能。

Jun, 2023

使用新型的激光雷达 SLAM 技术和结构运动优化方法在大型商场和地铁站获取室内数据集以便于在室内环境中进行视觉定位，并测试现代化的视觉定位算法，证明结构基方法使用健壮的图像特征具有更高的性能。

May, 2021