艺术中的人物姿态：一个用于数字艺术史中人体姿态估计的数据集

纵观艺术史，姿态作为人体表达的整体抽象，已被证明是众多研究中的一个常量。然而，由于迄今为止必须手动处理海量数据，其对于自古以来艺术史母题公式化再现的关键作用只能被选择性地强调。即使对于现在自动化的人体姿态估计也是如此，因为训练计算模型所需的特定领域、足够大的数据集要么不公开可用，要么索引的粒度不够细。通过艺术中的人物姿态数据集，我们引入了第一个开放许可的数据集，用于估计艺术中的人体姿态并验证人体姿态估计器。它包含来自 22 种艺术史描绘风格的 2,454 张图像，其中包括自 19 世纪以来日益背离人体逼真再现的风格。共有 10,749 个人物被精确地包含在矩形边界框中，每张图像最多四个，由多达 17 个关键点标记；这些关键点主要包括肘部和膝盖等关节。出于机器学习目的，该数据集被划分为训练、验证和测试三个子集，分别遵循已建立的基于 JSON 的 Microsoft COCO 格式。每个图像标注除了必填字段外，还提供来自艺术史在线百科全书 WikiArt 的元数据。通过本文，我们详细阐述了数据集的获取和构成，讨论了各种应用场景，并展望了数字支持的艺术史前景。我们表明，该数据集能够研究艺术中的身体现象，无论是在个体人物的层面上（可以捕捉其细微之处），还是在整个群体构图上（考虑其位置、距离或相互之间的接近度）。