MCCD：一个多属性中文书法字符数据集，标注了书法体、朝代和书法家
计算机视觉与模式识别
2025-07-10 v1
摘要
研究书法字符的属性信息（如书法体、朝代和书法家）具有重要的文化和历史价值。然而，中文书法字符的书法体经过不同朝代的演变以及书法家独特的笔触，使得准确识别这些不同字符及其属性具有极大的挑战性。此外，现有的书法数据集极其稀少，大多数仅提供字符级别的标注，不包含额外的属性信息。这一局限显著阻碍了对中文书法的深入研究。为填补这一空白，我们提出了一种新的多属性中文书法字符数据集 (MCCD)。该数据集包含 7,765 个类别，总计 329,715 个孤立中文书法字符图像样本，并基于三种脚本体类型 (10 种)、朝代 (15 个时期) 和书法家 (142 位个体) 的属性标注，提取了三个额外子集。丰富的多属性标注使 MCCD 适用于多种研究任务，包括书法字符识别、作家识别以及中文字符的演化研究。我们通过在 MCCD 及其所有子集上的单任务和多任务识别实验建立了基准性能。实验结果表明，书法字符笔画结构的复杂性以及其不同属性之间的相互作用，导致准确识别难度显著增加。MCCD 不仅填补了详细书法数据集稀缺的空白，还为推进中文书法研究并促进多个领域的进展提供了宝贵资源。该数据集可在 https://github.com/SCUT-DLVCLab/MCCD 获取。
引用
@article{arxiv.2507.06948,
title = {MCCD: A Multi-Attribute Chinese Calligraphy Character Dataset Annotated with Script Styles, Dynasties, and Calligraphers},
author = {Yixin Zhao and Yuyi Zhang and Lianwen Jin},
journal= {arXiv preprint arXiv:2507.06948},
year = {2025}
}
备注
17 pages, 8 figures, 9 tables, accepted by the 19th International Conference on Document Analysis and Recognition (ICDAR 2025)