| ---
|
| 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
|
|
|
| 
|
|
|
| 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。
|
|
|
