Datasets:

LiveCompose
/

LiveCompose-outpainted

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

English | 中文

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

数据生成流程如下：

收集专业摄影图片或高美学评分图片。
获取或生成图像描述，例如使用 BLIP 生成 caption。
设置待扩展边距。
使用 Stable Diffusion v2 Inpaint 对扩展区域进行补全。
使用正面提示词约束生成内容。
使用负面提示词减少不希望出现的内容，例如 frame、border、text、watermark 等。
对生成结果进行伪影检测、一致性检测。
进行人工核查。
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：

[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：

PICD: Photographic Image Composition Dataset
https://github.com/CV-xueba/PICD_ImageComposition
LAION Aesthetics v2 4.75
https://huggingface.co/datasets/laion/aesthetics_v2_4.75
Landscape-Dataset
https://github.com/koishi70/Landscape-Dataset/tree/master

数据结构

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：

{
  "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：

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：

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：

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

@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：

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。