README_zh.md

---
pretty_name: Outpainted for Image Cropping
license: other
license_name: research-only
task_categories:
- image-to-image
- object-detection
tags:
- image
- computer-vision
- image-cropping
- bounding-box
- outpainting
- inpainting
- stable-diffusion
- composition
- imagefolder
size_categories:
- 10K<n<100K
---


# Outpainted for Image Cropping

<p align="center">
  <a href="https://huggingface.co/datasets/zzsyppt/outpainted-for-image-cropping/blob/main/README.md">English</a> | <a href="https://huggingface.co/datasets/zzsyppt/outpainted-for-image-cropping/blob/main/README_zh.md">中文</a>
</p>


## 数据集简介

本数据集包含一批通过 **Stable Diffusion v2 Inpaint** 扩图得到的图像，以及每张扩图图像中“原始图像区域”的边界框标注。数据集主要面向图像裁剪、原始画幅恢复、构图感知裁剪和扩图感知视觉理解等研究任务。

每个样本包含：

- 一张扩图后的图片；
- `orig_bbox`：原图在扩展画布中的位置；
- `composition_tags`：图片构图标签列表，部分为空。

## 数据生成流程

![image-20260503132555963](./assets/image-20260503132555963.png)

数据生成流程如下：

1. 收集专业摄影图片或高美学评分图片。
2. 获取或生成图像描述，例如使用 BLIP 生成 caption。
3. 设置待扩展边距。
4. 使用 **Stable Diffusion v2 Inpaint** 对扩展区域进行补全。
5. 使用正面提示词约束生成内容。
6. 使用负面提示词减少不希望出现的内容，例如 `frame`、`border`、`text`、`watermark` 等。
7. 对生成结果进行伪影检测、一致性检测。
8. 进行人工核查。
9. 保留通过质量检查的样本，并记录原图区域 bbox，形成 training pairs。 


`orig_bbox` 使用如下格式：

```text

[x_min, y_min, x_max, y_max]

```

该 bbox 表示原始图像区域在扩图后画布中的位置，而不是目标检测中的物体框。

## 数据来源

本数据集的源图像来自或参考以下公开数据集/仓库：

1. **PICD: Photographic Image Composition Dataset**  
   https://github.com/CV-xueba/PICD_ImageComposition



2. **LAION Aesthetics v2 4.75**  

   https://huggingface.co/datasets/laion/aesthetics_v2_4.75



3. **Landscape-Dataset**  

   https://github.com/koishi70/Landscape-Dataset/tree/master





## 数据结构



```text

outpainted-for-image-cropping/

├── README.md

├── metadata.jsonl

├── stats.json

└── images/

    ├── img_000000.png
    ├── img_000001.png

    └── ...

```


`metadata.jsonl` 中每一行对应一个样本，例如：

```json

{

  "file_name": "images/img_000000.png",

  "orig_bbox": [281, 77, 881, 487],

  "composition_tags": ["HORI2"]

}

```

### 字段说明

- `file_name`：扩图后图片的相对路径。
- `orig_bbox`：原图区域在扩图画布中的边界框，格式为 `[x_min, y_min, x_max, y_max]`。
- `composition_tags`：从原始数据集中解析得到的构图标签列表。若没有可靠的构图标签，则为空列表 `[]`。

## 数据集统计
高频构图标签：

| 标签 | 数量 |
|---|---:|
| HORI2 | 1,956 |
| HORI3 | 1,694 |
| DIFFUSE | 1,600 |
| DENSE | 1,436 |
| DIA | 1,305 |
| LINE_VERTI3 | 1,156 |

| PATTERN | 1,000 |

| LINE_VERTI_MANY | 983 |

| POINT_MULTI_HORI | 64 |

| LINE_VERTI2 | 55 |

## 使用方式

从 Hugging Face Hub 加载：

```python

from datasets import load_dataset



dataset = load_dataset("zzsyppt/outpainted-for-image-cropping")

print(dataset)

print(dataset["train"][0])

```

本地上传前检查：

```python

from datasets import load_dataset



dataset = load_dataset("imagefolder", data_dir="./hf_dataset")

print(dataset)

print(dataset["train"][0])

```

预期字段包括：

```text

image

orig_bbox

composition_tags

```

## 引用

本数据集仅用于个人用途。如果使用本数据集，请根据实际使用的样本来源引用对应上游数据集。

### PICD

```bibtex

@inproceedings{zhao2025can,

  title={Can Machines Understand Composition? Dataset and Benchmark for Photographic Image Composition Embedding and Understanding},

  author={Zhao, Zhaoran and Lu, Peng and Zhang, Anran and Li, Peipei and Li, Xia and Liu, Xuannan and Hu, Yang and Chen, Shiyi and Wang, Liwei and Guo, Wenhao},

  booktitle={Proceedings of the Computer Vision and Pattern Recognition Conference},

  pages={14411--14421},

  year={2025}

}

```

### LAION-Aesthetics

请参考 LAION 官方页面和对应 Hugging Face 数据集页面引用 LAION-Aesthetics / LAION-5B 相关工作：

- https://laion.ai/blog/laion-aesthetics/
- https://huggingface.co/datasets/laion/aesthetics_v2_4.75

### Landscape-Dataset

请参考原始仓库：

- https://github.com/koishi70/Landscape-Dataset/tree/master

## 致谢

本数据集的生成使用了 Stable Diffusion v2 Inpaint，并参考或使用了公开图像数据源。感谢上游数据集、仓库和模型的创建者与维护者。