OPTML-Group/UnlearnCanvas

UnlearnCanvas是一个高分辨率风格化图像数据集，旨在评估扩散模型中的机器遗忘技术，特别是针对有害内容生成、版权争议以及刻板印象和偏见的持续存在等社会问题。数据集包含60种不同艺术绘画风格的高分辨率图像，每种风格有400张图像，涵盖20个不同对象类别，适用于风格迁移、偏见消除等多种视觉生成建模任务。

原始信息汇总

数据集卡片 UnlearnCanvas

数据集详情

数据集描述

• 由以下人员策划： Yihua Zhang, Yimeng Zhang, Yuguang Yao, Jinghan Jia, Jiancheng Liu, Xiaoming Liu, Sijia Liu
• 许可证： MIT

UnlearnCanvas 是一个全面的高分辨率图像数据集，旨在评估艺术绘画风格和相关图像对象的遗忘。它包含 60 种不同的艺术绘画风格，每种风格有 400 张图像，涵盖 20 种不同的对象类别，适用于广泛的视觉生成建模任务，如风格转换、偏见移除等。

数据集结构

数据集包含 60 种不同艺术绘画风格的高分辨率图像，结构为 ./style_name/object_name/image_idx.jpg，并有一个单独的 ./Seed_Image 文件夹用于写实图像。数据集的平衡结构和高风格一致性使其成为微调和评估扩散模型的理想资源。

数据集创建

数据收集和处理

图像从一组高分辨率的现实写实图像中标注（用于风格化），这些图像是从 Pexels 收集的，使用 fotor 提供的服务。

数据生产者

数据集由 Yihua Zhang 领导的团队合作生产。

偏见、风险和限制

数据集旨在最小化与扩散模型相关的社会问题，但用户应意识到潜在的滥用风险。研究人员应了解数据集的范围和限制，特别是关于风格和对象的表示。

建议

研究人员应确保数据集的道德使用，避免可能产生有害内容或延续偏见的应用。建议进一步研究探索和缓解数据集中的任何固有偏见。