SciDraw-6K：由Google Gemini生成的多语言科学插图数据集
计算机视觉与模式识别
2026-04-21 v1
摘要
我们提出SciDraw-6K，一个包含6,291个科学插图的数据集，这些插图由Google Gemini图像生成模型生成，每个插图都配有十一种语言（英语、简体中文、繁体中文、日语、韩语、德语、法语、西班牙语、巴西西语、意大利语和俄语）的提示词。图像涵盖八个广泛的科学类别——生物医学、化学、材料、电子、环境、AI系统、物理和一个较长的"其他"尾部——主要由gemini-2.5-flash-image和gemini-3-pro-image-preview模型族生成。与占主导地位的通用文本到图像语料库不同，SciDraw-6K是为科学插图领域而构建的：包括示意图、机械图、目录图和概念海报。我们描述了构建管道，报告了数据集统计信息，并记录了其作为sci-draw.com公共科学绘图服务的底层 substrate。该数据集发布以支持多语言文本到图像研究、领域适应扩散模型微调以及针对科学可视化的提示工程研究。数据集：https://huggingface.co/datasets/SciDrawAI/SciDraw-6K 代码：https://github.com/SciDrawAI/scidraw-6k
引用
@article{arxiv.2604.17206,
title = {SciDraw-6K: A Multilingual Scientific Illustration Dataset Generated by Google Gemini},
author = {Davie Chen},
journal= {arXiv preprint arXiv:2604.17206},
year = {2026}
}
备注
9 pages, 5 figures. Dataset: https://huggingface.co/datasets/SciDrawAI/SciDraw-6K. Code: https://github.com/SciDrawAI/scidraw-6k