“臭味、稠密、扩散”：面向嗅觉参考 (ODOR) 数据集的对象检测
计算机视觉与模式识别
2025-07-14 v1
摘要
计算机视觉在人文领域的实际应用需要算法能够鲁棑地应对艺术抽象化、边缘对象以及目标类之间细微差异。现有数据集在图像中心提供实例级标注，但普遍偏向图像中心，且在详细目标类别方面受限。所提出的 ODOR 数据集填补了这一空白，提供了4712张图像中38,116个对象级标注，覆盖广泛的139个细粒度类别。通过统计分析，我们展示了数据集的挑战性特征，如详细的类别设置、稠密且重叠的对象以及整个图像画布上的空间分布。此外，我们提供了对对象检测模型的广泛基线分析，并通过一组次要研究揭示了数据集的挑战性特征。鼓励进一步研究艺术品对象检测和更广泛的视觉文化遗产研究，该数据集挑战研究者探索对象识别与嗅觉感知交叉的研究。
引用
@article{arxiv.2507.08384,
title = {Smelly, dense, and spreaded: The Object Detection for Olfactory References (ODOR) dataset},
author = {Mathias Zinnen and Prathmesh Madhu and Inger Leemans and Peter Bell and Azhar Hussian and Hang Tran and Ali Hürriyetoğlu and Andreas Maier and Vincent Christlein},
journal= {arXiv preprint arXiv:2507.08384},
year = {2025}
}