浮世繪面孔數(shù)據(jù)集

本文作者： AI研習(xí)社-譯站

2020-11-13 11:17

導(dǎo)語：使用浮世繪的人臉圖像數(shù)據(jù)集來訓(xùn)練StyleGAN模型，本文包含該數(shù)據(jù)集的鏈接和該數(shù)據(jù)集的詳細(xì)信息。

譯者：AI研習(xí)社（星期五）

浮世繪面孔數(shù)據(jù)集

作為論文域之間可控圖像合成的分辨率相關(guān)GAN插值[1]的一部分，我使用浮世繪的人臉圖像數(shù)據(jù)集來訓(xùn)練StyleGAN模型，本文包含該數(shù)據(jù)集的鏈接和該數(shù)據(jù)集的詳細(xì)信息。

更新

V2-刪除了28張質(zhì)量不好的圖像（對(duì)準(zhǔn)不良或沒有正面）。
V1-最初的發(fā)行版，使用在與分辨率相關(guān)的GAN插值的論文中，用于域之間的可控圖像合成。

數(shù)據(jù)集

浮世繪人臉數(shù)據(jù)集包含來自浮世繪照片的5209張臉部圖像。圖像格式為1024x1024的jpeg，并已根據(jù)FFHQ數(shù)據(jù)集所使用的過程進(jìn)行了對(duì)齊。上面是數(shù)據(jù)集中（幾乎）所有圖像的地圖，越相似的圖像彼此越靠近[2]。為便于顯示，圖像像素已降至 256x256。

更多細(xì)節(jié)

圖片是從數(shù)個(gè)博物館網(wǎng)站上刮下來的，然后我試著用Amazon Rekognition從每個(gè)圖片中檢測(cè)面部和面部標(biāo)志。 Rekognition相對(duì)合理地完成了任務(wù)，但是顯然并不完美，很多面部都被遺漏了，并且許多圖像中都存在對(duì)齊錯(cuò)誤。許多圖像的分辨率不是很高，因此要生成可用的1024x1024分辨率的數(shù)據(jù)集，我使用在Manga109數(shù)據(jù)集上訓(xùn)練的預(yù)訓(xùn)練ESRGAN [3]模型來按需放大圖像，這些圖像偶爾會(huì)出現(xiàn)一些瑕疵，但大體上結(jié)果不錯(cuò)。

其他數(shù)據(jù)集

KaoKore是浮世繪人臉的另一個(gè)數(shù)據(jù)集[4]，它具有更多的變化和標(biāo)簽，但是圖像分辨率較低且人臉未對(duì)齊。

浮世繪面孔數(shù)據(jù)集

許可和使用

此數(shù)據(jù)集是根據(jù)知識(shí)共享署名-相同方式共享4.0國(guó)際許可提供的。

如果使用數(shù)據(jù)集，請(qǐng)引用為“Aligned ukiyo-e faces dataset, Justin Pinkney 2020”或一個(gè)bibtex條目：

@misc{pinkney2020ukiyoe,
      author = {Justin N. M. Pinkney},
      title = {Aligned Ukiyo-e faces dataset},
      year={2020},
      howpublished= {\url{https://www.justinpinkney.com/ukiyoe-dataset}}

Pinkney, Justin N. M., and Doron Adler. ‘Resolution Dependent GAN Interpolation for Controllable Image Synthesis Between Domains’. ArXiv:2010.05334 [Cs, Eess], 20 October 2020. http://arxiv.org/abs/2010.05334.?
為了生成此圖像，我首先使用在Imagenet上預(yù)訓(xùn)練的ResNet50從每個(gè)圖像中提取CNN特征。然后使用UMAP將這些高維特征向量投影到二維，然后使用lapjv算法完成網(wǎng)格劃分。
Wang, Xintao, Ke Yu, Shixiang Wu, Jinjin Gu, Yihao Liu, Chao Dong, Chen Change Loy, Yu Qiao, and Xiaoou Tang. ‘ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks’. ArXiv:1809.00219 [Cs], 1 September 2018. http://arxiv.org/abs/1809.00219.?
Tian, Yingtao, Chikahiko Suzuki, Tarin Clanuwat, Mikel Bober-Irizar, Alex Lamb, and Asanobu Kitamoto. ‘KaoKore: A Pre-Modern Japanese Art Facial Expression Dataset’. ArXiv:2002.08595 [Cs, Stat], 20 February 2020. http://arxiv.org/abs/2002.08595.?

AI研習(xí)社是AI學(xué)術(shù)青年和AI開發(fā)者技術(shù)交流的在線社區(qū)。我們與高校、學(xué)術(shù)機(jī)構(gòu)和產(chǎn)業(yè)界合作，通過提供學(xué)習(xí)、實(shí)戰(zhàn)和求職服務(wù)，為AI學(xué)術(shù)青年和開發(fā)者的交流互助和職業(yè)發(fā)展打造一站式平臺(tái)，致力成為中國(guó)最大的科技創(chuàng)新人才聚集地。

如果，你也是位熱愛分享的AI愛好者。歡迎與譯站一起，學(xué)習(xí)新知，分享成長(zhǎng)。

浮世繪面孔數(shù)據(jù)集