siik/FaceSketches-HairStyle40-refined

FaceSketches-HairStyle40 Refined

FaceSketches-HairStyle40 Refined는 원본 yikaiwang/FaceSketches-HairStyle40의 image/ 레퍼런스 이미지만 대상으로 삼아, 프로젝트 내부 EDA 재검수 결과를 반영해 다시 선별한 소규모 정제본입니다.

이 정제본은 헤어스타일 레퍼런스 품질을 높이기 위한 목적의 curated subset이며, 프로젝트의 주 학습 데이터셋이 아니라 보조 reference/OOD 점검용으로 관리됩니다.

데이터셋 요약

• 원본 후보 이미지: 1,199장
• 기존 strict accepted: 204장
• 최종 core: 199장
• 최종 reference_only: 3장
• 최종 holdout: 2장
• 총 업로드 파일 수: 204장
• 총 로컬 크기: 약 34.1 MB

왜 다시 정제했나

프로젝트 EDA에서 FaceSketches-HairStyle40를 재검토한 결과, accepted 샘플 전체를 동일한 신뢰도로 사용하는 대신 usage tier를 나누는 편이 더 적절하다고 판단했습니다.

• core: 그대로 유지 가능한 reference 이미지
• reference_only: 보조 reference로는 쓸 수 있지만 대표 분포나 주 평가 세트에는 넣지 않는 이미지
• holdout: 품질 보강 전까지 따로 분리해 둔 이미지

특히 review_class 재검수 결과에 따라 다음 정책을 적용했습니다.

• Perm: core 유지
• PonyTail: reference_only로 분리
• WaistLenHair: holdout으로 분리

폴더 구조

FaceSketches-HairStyle40-refined/
├─ README.md
├─ refined_curation_report.json
├─ manifests/
│  ├─ core.csv
│  ├─ reference_only.csv
│  └─ holdout.csv
├─ core/
│  └─ image/
│     └─ <class_name>/*
├─ reference_only/
│  └─ image/
│     └─ PonyTail/*
└─ holdout/
   └─ image/
      └─ WaistLenHair/*

클래스 구성

core split에는 아래 38개 클래스가 포함됩니다.

Afro, Bald, BobHair, BowlCut, Bun, CombOver, CornRows, CrewCut, Crop, CurtainedHair, DreadLocks, EmoHair, Fauxhawk, Flattop, FrenchTwist, HimeCut, HiTopFade, HorseShoeFlattop, LayeredHair, LibertySpikes, MedLenHair, Mohawk, MopTop, Mullet, Odango, Perm, PixieCut, RazorCut, Ringlet, shag, ShoulderLenHair, SpikyHair, UndercutCurly, UndercutLong, UndercutPompadour, undercutSidepart, UndercutSlickback, WaveHair

추가 tier 구성은 다음과 같습니다.

• reference_only: PonyTail 3장
• holdout: WaistLenHair 2장

포함 메타데이터

이미지 파일 외에 manifests/*.csv와 refined_curation_report.json을 함께 제공합니다.

각 manifest에는 다음과 같은 컬럼이 포함됩니다.

• relative_path
• class_name
• accepted
• width, height, shortest_side
• reject_reasons, warnings
• face_confidence, face_count, eye_count
• face_coverage, face_center_offset_ratio
• border_overlay_component_count, border_overlay_area_ratio
• usage_tier
• decision_reason
• copied_relpath

즉, 이 데이터셋은 단순 이미지 모음이 아니라 "왜 남겼는지"와 "어떤 tier에 배치했는지"를 함께 추적할 수 있는 curated release입니다.

사용 예시

허깅페이스에서 업로드된 뒤에는 datasets 또는 imagefolder 기반으로 불러올 수 있습니다.

from datasets import load_dataset

dataset = load_dataset("your-namespace/FaceSketches-HairStyle40-refined", split="core")
print(dataset[0])

원본 파일 구조와 메타데이터를 직접 다루고 싶다면 manifest를 함께 읽는 방식을 권장합니다.

import pandas as pd

core_manifest = pd.read_csv("manifests/core.csv")
print(core_manifest[["class_name", "copied_relpath", "usage_tier"]].head())

한계와 주의사항

• 이 데이터셋은 규모가 매우 작아 일반적인 학습/검증 benchmark 용도로는 적합하지 않습니다.
• 프로젝트 내부 기준으로는 주 정량 평가 세트가 아니라 보조 qualitative/OOD 점검용입니다.
• reference_only와 holdout은 core와 같은 수준의 신뢰 구간으로 보면 안 됩니다.
• 원본 출처는 yikaiwang/FaceSketches-HairStyle40이며, 해당 데이터셋 카드에는 apache-2.0 라이선스가 표시되어 있습니다. 공개 재배포나 상업적 사용 전에는 반드시 원본 데이터셋 카드와 인용 정보를 함께 검토하세요.

생성 provenance

• 정제 결과 폴더: data/data/curated/FaceSketches-HairStyle40-refined
• 정제 스크립트: reports/eda/reprocess_hairstyle40_from_eda.py
• EDA 문서: reports/eda/2026-03-17_hair_preprocessing_eda.md
• 요약 리포트: refined_curation_report.json

출처

• Original dataset: yikaiwang/FaceSketches-HairStyle40
• Related source collection mentioned by the original card: Hairstyle30k

Citation

원본 데이터셋 카드에 포함된 인용은 아래와 같습니다.

@inproceedings{yin2017learning,
  title={Learning to generate and edit hairstyles},
  author={Yin, Weidong and Fu, Yanwei and Ma, Yiqing and Jiang, Yu-Gang and Xiang, Tao and Xue, Xiangyang},
  booktitle={Proceedings of the 25th ACM international conference on Multimedia},
  pages={1627--1635},
  year={2017}
}

@misc{FaceSketches-HairStyle40,
  howpublished = {\url{https://huggingface.co/datasets/yikaiwang/FaceSketches-HairStyle40}},
  title={FaceSketches-HairStyle40},
  year={2024},
  month={Aug}
}