---
title: TrainingData_Stage3
canonical_url: "https://www.modelscope.cn/datasets/AnchorSR/TrainingData_Stage3"
md_url: "https://www.modelscope.cn/datasets/AnchorSR/TrainingData_Stage3.md"
repository: AnchorSR/TrainingData_Stage3
last_updated: 2026-10-16
license: other
storage_size: "1022 GB"
downloads: 2117
stars: 0
---

# TrainingData_Stage3

> TrainingData_Stage3 - AnchorSR 在 ModelScope 开源的数据集。Stage3 metric-v1.0 Small/Large training data mirror. Synchronization in progress; original source licenses apply.

AnchorSR/TrainingData_Stage3 是 ModelScope 魔搭社区上的数据集，存储大小 1022 GB，采用 other 许可。

- **Repository**: AnchorSR/TrainingData_Stage3
- **License**: other
- **Storage size**: 1022 GB
- **Downloads**: 2117
- **Stars**: 0
- **Last updated**: 2026-10-16

Source: https://www.modelscope.cn/datasets/AnchorSR/TrainingData_Stage3

---

# ModelScope 镜像 · 同步完成（文件清单与大小检查通过）

对应 HF `AnchorSR/TrainingData_Stage3` 的 `metric-v1.0`，源提交 `eb74d8da6230839dd2809b409ab5c38949817353`。
仅镜像当前 Small/Large、共同评测、审计及其配套媒体；不复制历史版本。下面关于旧标签／父版本的说明均指 HF 源仓库，不表示这些历史版本存在于本镜像。
QA、帧顺序、媒体 TAR 与源发布保持一致；增加 ModelScope 读取入口。总媒体约 1 TiB，请勿在 300 GiB 磁盘上全量下载。

同步清单：[mirror-status.json](mirror-status.json)。

# AnchorSR Stage3 · metric-v1.0

## 直接选择 Small / Large

| 配置 | 训练题数 | 用途 |
|---|---:|---|
| `small` | 1,000,000 | 先验证答案监督／先验恢复，按新版 Large 联合分布抽样 |
| `large` | 89,801,853 | 筛选后的完整训练集合，包含 Small 全部样本 |

```python
# 下载本仓库 tools/ 中的脚本，并安装 modelscope-hub pyarrow requests pillow numpy av
from load_stage3_modelscope import Stage3Dataset
ds = Stage3Dataset('/scratch/stage3-cache', config='small', revision='master', max_cache_gib=4)
row = next(ds.rows('train'))  # 或 config='large'
sample = ds.sample(row)      # QA + visual_inputs，直接从 ModelScope 读取
```

这是对 `scaling-v1.0` 的**语义筛选与统一任务分类**，不是增加新数据源。
Large 从 89,828,269 题保留 89,801,853 题，隔离 26,416 题。
旧标签 `scaling-v1.0` / `video-v1.0` / `large-v1.0` 均不移动，原始池与旧样本不删除。
Small 重新无放回抽取 1,000,000 题，按 **source × 统一子类型 × semantic_modality** 配额，
每个非空层至少 1 题，固定种子。Small/Large 不可拼接，旧 Small 实验不能直接当作新版的数据量对照。

仅对保留样本改分类／新增审计字段：**原问题、training_question、training_answer、媒体路径、帧顺序和定位标记均逐分片核验不变**。
没有猜测修复答案，没有引入额外帧、伪造 FPS 或增加 CA-VQA 的“最后一帧为参考帧”提示。
媒体 TAR 完全复用；Large 索引保留父版本的安全超集，Small 索引按实际引用重建。

## 统一任务大类、数量与占比

| 类型 | Small 数量 | Small 占比 | Large 数量 | Large 占比 |
|---|---:|---:|---:|---:|
| 距离与深度 | 730,637 | 73.0637% | 65,612,592 | 73.0637% |
| 物体尺寸 | 215,818 | 21.5818% | 19,380,884 | 21.5818% |
| 三维包围框 | 50,244 | 5.0244% | 4,512,009 | 5.0244% |
| 角度与旋转 | 2,713 | 0.2713% | 243,725 | 0.2714% |
| 复合几何与位姿 | 404 | 0.0404% | 36,208 | 0.0403% |
| 面积与体积 | 183 | 0.0183% | 16,431 | 0.0183% |
| 物理位置与坐标 | 1 | 0.0001% | 4 | 0.0000% |
| **合计** | **1,000,000** | **100%** | **89,801,853** | **100%** |

三维框指米制三维范围，不是二维图片框；数值角度保留，粗粒度角度类别单独标记。
物理位置包括米制坐标／地面区域；“二维图像坐标＋米制深度”归**复合任务**，不是纯二维定位，也不是直接的三维坐标向量。

### 统一子类型

| 类型 | Small 数量 | Small 占比 | Large 数量 | Large 占比 |
|---|---:|---:|---:|---:|
| surface_distance | 229,903 | 22.9903% | 20,645,710 | 22.9903% |
| object_distance | 137,526 | 13.7526% | 12,350,184 | 13.7527% |
| horizontal_distance | 112,435 | 11.2435% | 10,096,877 | 11.2435% |
| vertical_distance | 111,071 | 11.1071% | 9,974,343 | 11.1071% |
| height | 107,428 | 10.7428% | 9,647,211 | 10.7428% |
| width | 80,181 | 8.0181% | 7,200,485 | 8.0182% |
| depth_axis_distance | 75,031 | 7.5031% | 6,737,939 | 7.5031% |
| aabb_3d | 50,244 | 5.0244% | 4,512,009 | 5.0244% |
| camera_distance | 50,244 | 5.0244% | 4,512,009 | 5.0244% |
| length | 27,312 | 2.7312% | 2,452,606 | 2.7311% |
| camera_depth | 14,292 | 1.4292% | 1,283,468 | 1.4292% |
| relative_orientation_angle | 1,982 | 0.1982% | 177,992 | 0.1982% |
| longest_side | 897 | 0.0897% | 80,582 | 0.0897% |
| viewpoint_turn_angle | 437 | 0.0437% | 39,315 | 0.0438% |
| object_rotation_angle | 219 | 0.0219% | 19,699 | 0.0219% |
| triangle_lengths_angles | 217 | 0.0217% | 19,507 | 0.0217% |
| area | 175 | 0.0175% | 15,708 | 0.0175% |
| center_distance | 135 | 0.0135% | 12,062 | 0.0134% |
| translation_rotation | 104 | 0.0104% | 9,295 | 0.0104% |
| image_projection_with_depth | 83 | 0.0083% | 7,406 | 0.0082% |
| camera_rotation_angle | 74 | 0.0074% | 6,654 | 0.0074% |
| volume | 8 | 0.0008% | 723 | 0.0008% |
| angle | 1 | 0.0001% | 65 | 0.0001% |
| metric_position_region | 1 | 0.0001% | 4 | 0.0000% |
| **合计** | **1,000,000** | **100%** | **89,801,853** | **100%** |

### Video / Image

| 类型 | Small 数量 | Small 占比 | Large 数量 | Large 占比 |
|---|---:|---:|---:|---:|
| image | 773,312 | 77.3312% | 69,444,658 | 77.3310% |
| video | 226,688 | 22.6688% | 20,357,195 | 22.6690% |
| **合计** | **1,000,000** | **100%** | **89,801,853** | **100%** |

`video` 包括原生 MP4 和有来源依据的有序视频帧组；`image` 包括单图与真正多视角。
模态契约继承 `scaling-v1.0`：CA-VQA 保留全部原帧；SpaceVista 依契约区分视频与多视角，保留帧组、顺序和重复帧。

## 来源与筛选核算

以下“筛选前”是上一版 **Large 训练集**，不是原数据源总量或 105M 原始候选池。

| 来源 | 筛选前 | 保留 | 隔离 |
|---|---:|---:|---:|
| cavqa | 19,825,020 | 19,825,020 | 0 |
| hispatial | 69,298,561 | 69,281,332 | 17,229 |
| sims_vsi | 21,980 | 21,980 | 0 |
| spacevista | 428,623 | 419,436 | 9,187 |
| vica322k | 119,288 | 119,288 | 0 |
| vsi590k | 134,797 | 134,797 | 0 |

| 类型 | Small 数量 | Small 占比 | Large 数量 | Large 占比 |
|---|---:|---:|---:|---:|
| hispatial | 771,493 | 77.1493% | 69,281,332 | 77.1491% |
| cavqa | 220,762 | 22.0762% | 19,825,020 | 22.0764% |
| spacevista | 4,672 | 0.4672% | 419,436 | 0.4671% |
| vsi590k | 1,500 | 0.1500% | 134,797 | 0.1501% |
| vica322k | 1,328 | 0.1328% | 119,288 | 0.1328% |
| sims_vsi | 245 | 0.0245% | 21,980 | 0.0245% |
| **合计** | **1,000,000** | **100%** | **89,801,853** | **100%** |

### Large 隔离原因

| 原因 | 数量 |
|---|---:|
| 计数／排序／选择物体／定性关系等非度量任务 (`nonmetric_source_task`) | 17,162 |
| 问题要求多个尺寸，但旧训练答案未保留多值结构 (`multi_dimension_target_not_preserved_as_vector`) | 8,149 |
| 位姿分量对应关系或单位不明确 (`pose_components_or_units_unresolved`) | 900 |
| 图像投影＋深度的米制依据或格式不足 (`projection_depth_unit_or_format_unresolved`) | 137 |
| 来源度量单位与现有训练目标冲突 (`source_metric_unit_conflicts_with_training_target`) | 48 |
| 距离／尺寸／面积等非负物理量出现负值 (`negative_unsigned_metric_target`) | 11 |
| 相机摆放建议被旧解析缩成含义不完整的单个数值 (`camera_advice_reduced_to_unqualified_scalar`) | 8 |
| 长度单位无法确认 (`length_unit_unresolved`) | 1 |

“隔离”不等于判定所有源答案错误。例如缺少单位／分量对应关系的原题可能仍有价值，但当前版本不猜测；
部分多尺寸原答案被旧解析器拼接成单一数字，亦不直接作为有效标量训练。
负值隔离中也可能包含旧标签将带符号的位置坐标误归为高度／距离的题，需单独恢复语义；
本版不将它们直接视作源标注错误，明确坐标／角度／位姿任务本身允许负值。
逐题记录见 `metric_v1/manifests/quarantine/`，包含原 ID、问答、单位和原因，可由旧固定版本追溯完整样本。

## 字段与边界

- `task_family`：统一大类；`task_type`：统一子类型。
- `legacy_task_family` / `legacy_task_type` / `source_task`：保留旧分类与来源任务，便于追溯。
- `metric_unit` / `metric_reference` / `metric_precision`：本次核验后的单位、参考系证据与精度类别。
- `metric_filter_reason` / `taxonomy_version`：保留依据与规则版本。
- 旧 `original_unit` / `canonical_*` 保留为历史字段，**不可当作本次已修正的权威单位字段**。
  三维框中 2,054,945 条旧单位误记为 `m2` / `m3`，实际六个答案分量均为 `m`；本版 `metric_unit=m`，不修改原六坐标答案。
- `relative_orientation_angle` 包含来源以数值表达的粗粒度角度类别，`metric_precision=coarse_numeric_orientation_category`，不宣称连续角度真值精度。

三维框的米制相机空间任务依据实际六坐标答案及 [HiSpatial 原论文任务定义](https://arxiv.org/html/2603.25411v1#S3.SS1)。
来源空间标注可能来自估计而非实测；本次检查的是**任务范围、输出结构与元数据一致性**，不是逐题视觉真值审核。

## 评测与验收

评测同样应用范围筛选，各题保留在原 split，不从评测组回填训练。两版共用以下集合：

| split | 题数 |
|---|---:|
| validation | 49,739 |
| test | 49,696 |
| video_validation | 1,585 |
| video_test | 1,725 |

这些是旧评测的筛选子集，因此比较模型时必须固定本版评测，不能直接混用旧版分数。
**未重新进行全源物理场景隔离，既有 Hypersim 同场景跨集合风险仍需保留；不宣称完全场景独立。**
本版核验：父分片 SHA256、全行规则判断、保留 QA／媒体字段一致、Small 配额与子集、评测 ID 隔离、媒体引用和真实读取。
未进行本版正式模型训练，任务配比一致也不自动证明 scaling 因果关系。

## 读取与训练

安装 `modelscope-hub pyarrow requests pillow numpy av`（Python >= 3.10），下载 `tools/` 中脚本。使用下面的 ModelScope 入口；旧 HF 入口仅保留兼容，不要混用。

```python
from load_stage3_modelscope import Stage3Dataset
ds = Stage3Dataset('/scratch/stage3-cache', config='small', revision='master', max_cache_gib=4)
sample = ds.sample(next(ds.rows('train')))
# question / answer / visual_inputs；标记已渲染，帧顺序已保留。
```

正式入口见 [项目 Stage3 指南](https://github.com/GuangSTrip/Anchor-Spatial-Reasoning/blob/master/training/stage3/README.md)，
该项目训练指南默认使用 HF；本镜像请使用上述 ModelScope 入口，或下载到本地后指定 `release_dir` 与 `local_media_root`，不能只替换仓库名。300GiB 环境按需取 TAR 字节范围，不要全库下载；模型和优化器空间另算。
同一问答内部不打乱帧；训练行跨分片混洗。两版固定相同输入预算、模型初始化和优化策略，报告实际 step / token / 帧曝光。

## 来源许可与版本

仍为 CA-VQA、HiSpatial、SpaceVista、VSI-590K、SIMS-VSI、ViCA-322K 六个来源，未加入 SenseNova。
不重新授权上游素材：CA-VQA/CubifyAnything 为 CC-BY-NC-ND-4.0；SpaceVista 为 CC-BY-4.0；
VSI-590K、SIMS-VSI 为 Apache-2.0；ViCA-322K 为 CC-BY-NC-4.0；HiSpatial 为 MIT，底层素材条款另行适用。
混合集不能视作可自由商用。
完整统计与筛选证据：[metric_v1/manifests/build-audit.json](metric_v1/manifests/build-audit.json)、
[任务映射](metric_v1/manifests/task-mapping.json)、[Small 配额](metric_v1/manifests/small-allocation.json)。