DEArt：欧洲艺术数据集
计算机视觉与模式识别
2022-11-04 v2
摘要
过去20年来向研究界公开的大型数据集，是推动NLP或计算机视觉深度学习算法进步的关键赋能因素。这些数据集通常是图像与人工标注元数据对齐的配对，其中图像为日常生活的照片。另一方面，学术与历史内容所处理的主题未必为大众所熟知，其数据量未必庞大，且新数据可能难以或无法收集。虽存在某些例外（如科学或健康数据），但文化遗产（CH）领域并非如此。最佳计算机视觉模型在艺术品上测试时表现不佳，加之缺乏大量标注的文化遗产数据集，且艺术品图像所描绘的物体与动作未被照片捕捉，表明面向文化遗产的专用数据集对该领域极具价值。我们提出DEArt，目前主要是一个面向十二至十八世纪绘画的参照性目标检测与姿态分类数据集。它包含超过15000幅图像（约80%为非圣像式），对齐了人工标注的边界框，标识出69个类别的所有实例，并为标识类人物体的边界框提供12种可能的姿态。其中超过50个类别为文化遗产专用，因而未出现在其他数据集中；这些类别反映虚构生物、象征实体及其他艺术相关范畴。此外，现有数据集均不含姿态标注。我们的结果表明，通过迁移学习，文化遗产领域的目标检测器可达到与通用图像SOTA模型相当的精度水平。
引用
@article{arxiv.2211.01226,
title = {DEArt: Dataset of European Art},
author = {Artem Reshetnikov and Maria-Cristina Marinescu and Joaquim More Lopez},
journal= {arXiv preprint arXiv:2211.01226},
year = {2022}
}
备注
VISART VI. Workshop at the European Conference of Computer Vision (ECCV)