EmoArt：面向情感感知艺术生成的多维数据集
计算机视觉与模式识别
2025-06-05 v1
摘要
随着扩散模型的快速发展，文本到图像生成在图像分辨率、细节保真度和语义对齐方面取得了显著进展，尤其是 Stable Diffusion 3.5、Stable Diffusion XL 和 FLUX 1 等模型。然而，生成情感表达丰富且抽象的艺术图像仍然是一个重大挑战，主要由于缺乏大规模、细粒度的情感数据集。为填补这一空白，我们提出了 EmoArt 数据集——迄今为止最全面的情感标注艺术数据集之一。它包含 132,664 件艺术作品，涵盖 56 种绘画风格（如印象派、表现主义、抽象艺术），提供了丰富的风格和文化多样性。每幅图像包含结构化标注：客观场景描述、五种关键视觉属性（笔触、构图、色彩、线条、光照）、二元唤醒度-效价标签、十二种情感类别以及潜在的艺术治疗效果。利用 EmoArt，我们系统地评估了流行的文本到图像扩散模型生成情感对齐图像的能力。我们的工作为情感驱动的图像合成提供了必要的数据和基准，旨在推动情感计算、多模态学习和计算艺术等领域的发展，实现艺术治疗和创意设计等应用。数据集和更多细节可通过我们的项目网站获取。
引用
@article{arxiv.2506.03652,
title = {EmoArt: A Multidimensional Dataset for Emotion-Aware Artistic Generation},
author = {Cheng Zhang and Hongxia xie and Bin Wen and Songhan Zuo and Ruoxuan Zhang and Wen-huang Cheng},
journal= {arXiv preprint arXiv:2506.03652},
year = {2025}
}