APDDv2: Aesthetics of Paintings and Drawings Dataset with Artist Labeled Scores and Comments

要約

データセットは視覚モデルのトレーニングにおいて極めて重要な役割を果たし、多様な画像サンプルと多次元属性を通じて視覚的特徴の抽象的な理解を促進します。
しかし、芸術的な画像の美的評価の分野では、データセットは依然として比較的不足しています。
既存の絵画データセットは、多くの場合、スコアリングの寸法が限られており、注釈が不十分であるという特徴があるため、絵画の分野における自動美的評価方法の進歩と適用が制約されています。
このギャップを埋めるために、24 の異なる芸術カテゴリと 10 の美的属性を網羅する初の包括的な絵画コレクションである Aesthetics Paintings and Drawings Dataset (APDD) を紹介します。
APDDv1 の初期リリースに基づいて、当社の進行中の研究により、データの規模と注釈の精度を向上させる機会が特定されました。
その結果、APDDv2 は画像コーパスの拡張と注釈の品質の向上を誇り、高品質の絵画データセットを求める研究者と実務者の両方のニーズにさらに応える詳細な言語コメントを備えています。
さらに、ArtCLIP と呼ばれる、特定の絵画スタイルのアート評価ネットワークの更新バージョンを紹介します。
実験による検証により、美的評価の領域においてこの改訂されたモデルの優れたパフォーマンスが実証され、精度と有効性において前モデルを上回りました。
データセットとモデルは https://github.com/BestiVictory/APDDv2.git で入手できます。

要約(オリジナル)

Datasets play a pivotal role in training visual models, facilitating the development of abstract understandings of visual features through diverse image samples and multidimensional attributes. However, in the realm of aesthetic evaluation of artistic images, datasets remain relatively scarce. Existing painting datasets are often characterized by limited scoring dimensions and insufficient annotations, thereby constraining the advancement and application of automatic aesthetic evaluation methods in the domain of painting. To bridge this gap, we introduce the Aesthetics Paintings and Drawings Dataset (APDD), the first comprehensive collection of paintings encompassing 24 distinct artistic categories and 10 aesthetic attributes. Building upon the initial release of APDDv1, our ongoing research has identified opportunities for enhancement in data scale and annotation precision. Consequently, APDDv2 boasts an expanded image corpus and improved annotation quality, featuring detailed language comments to better cater to the needs of both researchers and practitioners seeking high-quality painting datasets. Furthermore, we present an updated version of the Art Assessment Network for Specific Painting Styles, denoted as ArtCLIP. Experimental validation demonstrates the superior performance of this revised model in the realm of aesthetic evaluation, surpassing its predecessor in accuracy and efficacy. The dataset and model are available at https://github.com/BestiVictory/APDDv2.git.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google