huggan/smithsonian-butterfly-lowres

---
license: cc0-1.0
---

Collection of pinned butterfly images from the Smithsonian https://www.si.edu/spotlight/buginfo/butterfly

Doesn't include metadata yet!

Url pattern: "https://ids.si.edu/ids/deliveryService?max_w=550&id=ark:/65665/m3c70e17cf30314fd4ad86afa7d1ebf49f"

Added sketch versions!
sketch_pidinet is generated by : https://github.com/zhuoinoulu/pidinet
sketch_pix2pix is generated by : https://github.com/mtli/PhotoSketch

许可证：CC0-1.0协议

本数据集收录史密森学会（Smithsonian）官网蝴蝶专题板块中的针插蝴蝶标本实拍图像（原页面链接：https://www.si.edu/spotlight/buginfo/butterfly）。

当前数据集暂未附带元数据。

图片URL模板：https://ids.si.edu/ids/deliveryService?max_w=550&id=ark:/65665/m3c70e17cf30314fd4ad86afa7d1ebf49f

已补充素描衍生版本图像：
sketch_pidinet 由项目 https://github.com/zhuoinoulu/pidinet 生成
sketch_pix2pix 由项目 https://github.com/mtli/PhotoSketch 生成

原始信息汇总

数据集概述

数据集名称

Collection of pinned butterfly images from the Smithsonian

数据集来源

• 来源机构：Smithsonian
• 官方链接：Smithsonian

数据集内容

• 包含固定蝴蝶的图像数据。
• 目前不包含元数据。

数据集访问方式

• URL模式：https://ids.si.edu/ids/deliveryService?max_w=550&id=ark:/65665/m3c70e17cf30314fd4ad86afa7d1ebf49f

数据集版本

• 增加了草图版本：
  • sketch_pidinet：生成工具为 pidinet
  • sketch_pix2pix：生成工具为 PhotoSketch

许可证

• 许可证类型：CC0-1.0

搜集汇总

数据集介绍

构建方式

在昆虫学与数字图像处理领域，史密森学会蝴蝶低分辨率数据集通过系统化采集构建而成。该数据集源自史密森学会官方在线资源，聚焦于馆藏蝴蝶标本的高清图像，采用统一数字标识符（ARK）进行结构化获取。图像采集遵循标准化协议，通过预设的URL模板批量下载，确保数据来源的权威性与一致性。同时，数据集创新性地引入了两种素描风格变体，分别基于PIDNet和PhotoSketch算法生成，为形态学分析与生成模型研究提供了多模态基础。

特点

该数据集的核心特征在于其高度专业化的视觉内容与衍生形态。所有图像均呈现标准化处理的蝴蝶标本，背景纯净，主体形态清晰，适用于精细的形态特征提取。数据集额外包含算法生成的素描版本，其中sketch_pidinet强调边缘结构的精准勾勒，而sketch_pix2pix则呈现艺术化轮廓渲染，这为比较视觉表征与生成任务提供了独特视角。尽管当前版本暂未整合元数据标签，但其图像本身构成了跨计算机视觉与生物学研究的宝贵资源。

使用方法

在应用层面，该数据集主要服务于计算生物学与生成式人工智能的研究实践。研究者可直接加载图像数据，用于训练蝴蝶物种分类模型或形态相似性分析。素描版本图像特别适用于边缘检测算法验证、风格迁移实验，以及条件生成对抗网络的训练数据扩充。通过HuggingFace平台的标准数据加载接口，用户能够便捷访问原始图像及其衍生素描，并依据研究需求进行预处理或特征工程，推动跨学科视觉分析流程的发展。

背景与挑战

背景概述

在生物多样性信息学与计算机视觉交叉领域，蝴蝶图像数据集为物种识别、生态监测及生成模型研究提供了关键资源。huggan/smithsonian-butterfly-lowres数据集由Smithsonian机构提供原始图像，经社区整理于近年发布，聚焦于低分辨率蝴蝶标本的视觉表征。该数据集旨在支持图像生成、风格迁移及生态信息可视化等任务，通过整合原始图像与素描变体，推动了生成对抗网络在自然历史资料数字化中的应用，为文化遗产的创造性转化奠定了数据基础。

当前挑战

该数据集核心挑战在于解决自然历史标本图像在生成模型中的表征难题，包括标本姿态单一、背景干扰及低分辨率细节丢失对模型泛化能力的限制。构建过程中，数据采集面临原始图像版权许可协调与元数据缺失的障碍，同时素描变体的生成依赖外部算法，导致风格一致性难以保障。此外，图像URL模式的动态性与数据标准化不足，为数据集的扩展与可复现性带来了技术瓶颈。

常用场景

经典使用场景

在计算机视觉与生成式人工智能领域，蝴蝶图像数据集常被用于风格迁移和图像生成任务的研究。该数据集提供了高分辨率的蝴蝶标本图像，结合其生成的素描版本，为研究者构建了从真实图像到抽象线条的配对数据。这种结构使得模型能够学习图像内容与艺术风格之间的映射关系，进而推动基于条件生成对抗网络的图像合成技术发展。

实际应用

在实际应用中，该数据集能够辅助数字艺术创作和生物多样性教育工具的研发。艺术家和设计师可利用基于该数据训练的模型，将自然图像转化为素描或油画风格的作品，丰富视觉表达形式。同时，博物馆和教育机构也可借助生成技术，开发互动式蝴蝶识别系统或科普展示材料，提升公众对昆虫学的认知兴趣。

衍生相关工作

围绕该数据集，研究者已开展了多项经典工作，例如基于Pidinet和PhotoSketch的素描生成算法优化。这些工作进一步推动了边缘检测与风格化生成模型的结合，衍生出更高效的图像到素描转换管道。此外，该数据集也被用于评估生成对抗网络在细粒度生物图像合成中的性能，为后续跨域视觉生成研究提供了重要参考。