ArtBench 数据集使用艺术品对生成模型进行基准测试

深度生成模型可以合成多样化的高保真图像。对艺术的计算理解因其对艺术史、计算创造力和人机交互的重要性而受到越来越多的关注。arXiv.org 上最近的一篇论文提出了 ArtBench-10，这是艺术作品合成的一流平衡、高质量、清晰注释和标准化的基准。

该数据集由 60,000 张图像组成，标注有巴洛克或超现实主义等 10 种艺术风格。这些图像质量高，标签干净且平衡，可以很容易地整合到常用的深度学习框架中。

数据集统计分析展示了数据集的优势。它解决了以前数据集中的问题，例如标签不平衡、近乎重复、嘈杂的标签和较差的图像质量。

我们介绍了 ArtBench-10，这是用于基准艺术品生成的一流平衡、高质量、清晰注释和标准化的数据集。它包含来自 10 种独特艺术风格的 60,000 张艺术作品图像，每种风格有 5,000 张训练图像和 1,000 张测试图像。与以前的艺术品数据集相比，ArtBench-10 有几个优势。首先，它是类平衡的，而大多数以前的艺术品数据集都受到长尾类分布的影响。其次，图像质量高，注释清晰。第三，ArtBench-10 是通过标准化的数据收集、注释、过滤和预处理程序创建的。我们提供了三个版本的数据集，具有不同的分辨率(32 × 32、256 × 256和原始图像大小)，以易于被流行的机器学习框架整合的方式格式化。我们还使用 ArtBench-10 的代表性图像合成模型进行广泛的基准测试实验，并进行深入分析。该数据集可在此 https URL上获得合理使用许可。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！