True00/like_see_clear

MMG1000 DA3 Best Features

当前已上传并校验 1000 个物体组、5000 个 RGB 与特征配对，目标为 1,000 组、5,000 对。 每组包含同一物体的五个视角。每个视角从五种材质中选择几何误差最小的一张 RGB， 将其原始 PNG 与对应的 best_feature.npz 放在同一目录。

数据来自 2026-11-05 本地合成数据的正式验收清单，包含滤杯、榨汁器、烛台、奶油罩、 皂碟、调味瓶、甜品杯、胶带座、护目镜和茶壶。图像为 512×512， 采用 Blender 5.2 Cycles/OptiX 渲染，128 采样上限。

DA3-LARGE-1.1 对每张图单独推理，输入处理分辨率为 504×504。 保存第 24 个 Transformer 块的空间特征，键名 feat_layer_23， 形状为 36×36×1024，类型为 float16。深度在物体 mask 内逐图做尺度对齐， 评分为 AbsRel + 平均法线角误差 / 180。参考法线和预测法线均由相机 Z 深度与内参推导。 NPZ 内的 metadata 字段保留该视角五种材质的评分、胜出材质和推理配置。

metadata.jsonl 每行对应一对 RGB 与特征，file_name 和 feature_file 均为仓库内相对路径。 batches/batch_XXXX.json 记录每批 50 组的提交信息。上传进度见 upload_status.json。 全部数据通过 ImageFolder 默认 train split 读取，使用时应按基础形制或结构族另行划分数据。

from pathlib import Path
import json
import numpy as np
from datasets import load_dataset

root = Path('/path/to/MMG1000_best_features_20261105')
best_rows = [json.loads(line) for line in (root / 'metadata.jsonl').read_text(encoding='utf-8').splitlines() if line]
best_files = [str(root / row['file_name']) for row in best_rows]
ds = load_dataset('imagefolder', data_files={'train': [str(root / 'metadata.jsonl'), *best_files]}, split='train')
row = ds[0]
image = row['image']
with np.load(root / row['feature_file'], allow_pickle=False) as result:
    feature = result['feat_layer_23']
    patch_vectors = feature.reshape(-1, 1024)

下载 Hub 上的配对特征时，可将 feature_file 作为 hf_hub_download 的 filename， 并设置 repo_type='dataset'。RGB 采用原图字节复制，索引记录 RGB 和特征的 SHA-256。 格式依据 Hugging Face ImageFolder 文档。

全部材质的 RGB 图像

已全部补齐：1000/1000 个物体组，25000/25000 条 RGB 样本关系。 每个物体包含 5 个视角、每视角 5 种材质。图片按 SHA-256 去重， 已上传的胜出材质图片直接复用；本次已新增 20000 张图片。

rgb_manifest.jsonl 是完整 RGB 索引，file_name 指向仓库内的实际图片： 已有图片位于 dataset/，补传图片位于 all_rgb/。 每行保留物体、视角、材质、RGB 哈希和 selected_for_best_feature。 图片内容相同时可以共用一个文件，样本对应关系仍分别保留。

原有 metadata.jsonl 与 5000 份 Best Feature 不变；Hub 默认配置仍读取原有胜出材质配对。 全部 RGB 应通过 rgb_manifest.jsonl 读取。下载仓库文件后：

import json
from PIL import Image

rgb_rows = [json.loads(line) for line in (root / 'rgb_manifest.jsonl').read_text(encoding='utf-8').splitlines() if line]
row = rgb_rows[0]
rgb = Image.open(root / row['file_name']).convert('RGB')

物体前景 mask

rgb_manifest.jsonl 的 mask_file 指向仓库内的 512×512 单通道二值 PNG。 白色（255）表示物体前景，黑色（0）表示背景。同一 instance_id 和 view_id 的五种材质共用 masks/ 下的一份 mask，共 5,000 份。 下载文件后，可用 Image.open(root / row['mask_file']).convert('L') 读取。