3D scene shape retrieval is a brand new but important research direction in content-based 3D shape retrieval. To promote this research area, two Shape Retrieval Contest (SHREC) tracks on 2D scene sketch-based and image-based 3D scene model retrieval have been organized by us in 2018 and 2019, respectively. In 2018, we built the first benchmark for each track which contains 2D and 3D scene data for ten (10) categories, while they share the same 3D scene target dataset. Four and five distinct 3D scene shape retrieval methods have competed with each other in these two contests, respectively. In 2019, to measure and compare the scalability performance of the participating and other promising Query-by-Sketch or Query-by-Image 3D scene shape retrieval methods, we built a much larger extended benchmark for each type of retrieval which has thirty (30) classes and organized two extended tracks. Again, two and three different 3D scene shape retrieval methods have contended in these two tracks, separately. To solicit state-of-the-art approaches, we perform a comprehensive comparison of all the above methods and an additional new retrieval methods by evaluating them on the two benchmarks. The benchmarks, evaluation results and tools are publicly available at our track websites (Yuan et al., 2019 [1]; Abdul-Rashid et al., 2019 [2]; Yuan et al., 2019 [3]; Abdul-Rashid et al., 2019 [4]), while code for the evaluated methods are also available: http://github.com/3DSceneRetrieval.

3D场景形状检索是基于内容的3D形状检索中一个崭新的但重要的研究方向。为了促进这一研究领域的发展，我们分别于2018年和2019年组织了两次基于2D场景草图和基于图像的3D场景模型检索的形状检索竞赛（SHREC）赛道。在2018年，我们为每个轨道建立了第一个基准，其中包含十（10）个类别的2D和3D场景数据，而它们共享相同的3D场景目标数据集。在这两个竞赛中，分别有四种和五种不同的3D场景形状检索方法相互竞争。在2019年，为了衡量和比较参与的和其他有希望的按草图查询或按图像查询3D场景形状检索方法的可伸缩性性能，我们为每种检索建立了一个更大的扩展基准，该基准具有三十（30）个类别，并组织了两个扩展轨道。同样，在这两个轨道中分别争用了两种和三种不同的3D场景形状检索方法。为了征集最先进的方法，我们通过对两个基准进行评估，对所有上述方法和其他新的检索方法进行了全面比较。基准，评估结果和工具可在我们的跟踪网站上公开获得（Yuan等人，2019 [1]; Abdul-Rashid等人，2019 [2]; Yuan等人，2019 [3]; Abdul-Rashid等人，2019 [4]），同时也提供了评估方法的代码：http：//github.com/3DSceneRetrieval。在这两个轨道中分别争用了两种和三种不同的3D场景形状检索方法。为了征集最先进的方法，我们通过对两个基准进行评估，对所有上述方法和其他新的检索方法进行了全面比较。基准，评估结果和工具可在我们的跟踪网站上公开获得（Yuan等人，2019 [1]; Abdul-Rashid等人，2019 [2]; Yuan等人，2019 [3]; Abdul-Rashid等人，2019 [4]），同时也提供了评估方法的代码：http：//github.com/3DSceneRetrieval。在这两个轨道中分别竞争了两种和三种不同的3D场景形状检索方法。为了征集最先进的方法，我们通过对两个基准进行评估，对所有上述方法和其他新的检索方法进行了全面比较。基准，评估结果和工具可在我们的跟踪网站上公开获得（Yuan等人，2019 [1]; Abdul-Rashid等人，2019 [2]; Yuan等人，2019 [3]; Abdul-Rashid等人，2019 [4]），同时也提供了评估方法的代码：http：//github.com/3DSceneRetrieval。