.ply

和3RScan数据集中的ply文件一样的包括：头文件+每个点的信息，直接看3RScan讲解

.aggregation.json

• 每个物体都被赋予了一个唯一的ID和标签（比如"chair"、"floor"、"wall"等）
• "segments"数组包含了一系列数字，这些数字代表了组成该物体的小块segments的ID

_vh_clean_2.0.010000.segs.json

总结：ScanNet数据集和3RScan数据集通用的逻辑就是把一个场景分成很多点，点构成区域，区域构成物体，物体构成场景

scannetv2-labels.combined.tsv

前几列

category    count  nyuId  nyu40id    eigen13id  nyuClass   nyu40class eigen13class   ModelNet40 ModelNet10 ShapeNetCore55 synsetoffset   wnsynsetid wnsynsetkey
wall    7274   21 1  12 wall   wall   Wall               n04546855  wall.n.01
chair   5419   5  5  4  chair  chair  Chair  chair  chair  chair  03001627   n03001627  chair.n.01
floor   3910   11 2  5  floor  floor  Floor              n03365592  floor.n.01
table   2664   19 7  10 table  table  Table  table  table  table  04379243   n04379243  table.n.02

这个文件主要用途是:

1. 建立不同数据集标注体系之间的映射关系
2. 统计各类别的样本数量分布
3. 支持跨数据集训练和评估
4. 提供与WordNet的语义对应关系

其中：

synsetoffset 和 wnsynsetid（实际上是同一个东西的不同表示方式）:

• 这是WordNet数据库中用于唯一标识一个概念的ID
• 例如"03001627"是chair(椅子)的标识符
• 格式说明：

• • "n"表示这是一个名词(noun)
  • 后面的8位数字是这个概念在WordNet中的偏移量
  • 比如n03001627就表示在WordNet名词数据库中偏移量为3001627的概念

wnsynsetkey:

• 这是一个更易读的形式，用来表示WordNet中的概念
• 格式为："词.词性.序号"
• 例如"chair.n.01"表示：

• • chair: 这个词
  • n: 表示名词(noun)
  • 01: 表示这是chair这个词的第1个含义【存在一词多义】
  • (因为同一个词在WordNet中可能有多个含义)

这些ID的主要用途是：

1. 在不同数据集间建立精确的语义对应关系
2. 与WordNet数据库链接，获取更丰富的语义信息
3. 避免同义词或多义词带来的混淆

举个例子：table这个词在文件中显示为：

• synsetoffset/wnsynsetid: n04379243
• wnsynsetkey: table.n.02 这表示它指的是"桌子"这个含义，而不是"表格"等其他含义。【table有两个意思桌子和表格，02代表第2个含义即桌子】

完整的例子：

wall 7274 21 1 12 wall wall Wall n04546855 wall.n.01 这一行代表什么含义

1. wall - 原始类别名称：表示墙
2. 7274 - 统计数量：在ScanNet数据集中出现了7274次
3. 21 - NYU原始分类ID：在NYU原始分类系统中的ID是21
4. 1 - NYU40分类ID：在NYU 40类分类系统中的ID是1
5. 12 - Eigen13分类ID：在Eigen 13类分类系统中的ID是12
6. wall - NYU类别名称
7. wall - NYU40类别名称
8. Wall - Eigen13类别名称
9. 空白处 - ModelNet40：墙在ModelNet40中没有对应类别
10. 空白处 - ModelNet10：墙在ModelNet10中没有对应类别
11. 空白处 - ShapeNetCore55：墙在ShapeNetCore55中没有对应类别
12. n04546855 - WordNet的synset ID：表示"wall"这个概念在WordNet中的唯一标识符
13. wall.n.01 - WordNet的synset key：表示这是wall这个词的第一个名词含义

这一行主要告诉我们：

1. wall是数据集中最常见的物体类别之一（7274个实例）
2. 在不同的分类系统中都被归类为"wall"
3. 它主要出现在场景类数据集中（NYU, Eigen），而不在物体类数据集中（ModelNet, ShapeNet）
4. 它在WordNet中有明确的语义定义和ID

补充介绍 WordNet数据库

WordNet是一个由普林斯顿大学开发的大型英语词汇数据库，它的特点和结构非常独特：

1. 基本组织单位 - Synset:

• Synset是 "同义词集" (Synonym Set)的缩写
• 每个Synset包含具有相同含义的词
• 例如：{car, auto, automobile, machine, motorcar} 是一个synset
• 每个synset代表一个独特的概念

1. 词性分类:

• 名词(Nouns)
• 动词(Verbs)
• 形容词(Adjectives)
• 副词(Adverbs)

1. 语义关系:
   WordNet记录了概念之间的多种关系：

• 上位词(Hypernyms): "is-a"关系，如"chair"的上位词是"furniture"
• 下位词(Hyponyms): 与上位词相反
• 部分关系(Meronyms): "part-of"关系
• 整体关系(Holonyms): 与部分关系相反

1. 实际应用举例:

from nltk.corpus import wordnet as wn

# 获取"chair"的所有synsets
chair_synsets = wn.synsets('chair')

# 获取第一个含义的定义
print(chair_synsets[0].definition())

# 获取上位词
print(chair_synsets[0].hypernyms())

# 获取同义词
print(chair_synsets[0].lemma_names())

1. 在计算机视觉领域的应用:

• 语义标注：提供标准化的概念定义
• 类别体系：建立物体类别的层次关系
• 跨数据集映射：通过WordNet ID建立不同数据集间的对应关系