ArtiMuse-10K

第一个专家策划的图像美学数据集，包含10,000张图像，涵盖5个主要类别和15个子类别，每张图像由专业专家标注了8维属性分析和整体评分。The first expert-curated image aesthetics dataset consists of 10,000 images covering 5 main categories and 15 sub-categories. Each image is annotated by professional experts with 8-dimensional attribute analyses and an overall score.

原始信息汇总

ArtiMuse数据集概述

基本信息

• 数据集名称: ArtiMuse-10K
• 类型: 专家策划的图像美学评估数据集
• 规模: 10,000张图像
• 标注维度: 8维属性分析 + 整体评分
• 主要类别: 5个
• 子类别: 15个

核心特点

1. 专业标注: 由专业专家进行标注
2. 多维度评估: 包含8个维度的美学属性分析
3. 评分系统: 提供整体美学评分
4. 细粒度分类: 涵盖5个主类别和15个子类别

相关资源

• 论文: https://arxiv.org/abs/2507.14533
• 项目主页: https://thunderbolt215.github.io/ArtiMuse-project/

开发状态

• 正在开发增强版: ArtiMuse-R1（具备推理能力）
• 待发布内容:
  • ArtiMuse-10K数据集
  • ArtiMuse模型检查点
  • 训练和评估代码
  • ArtiMuse-R1版本

技术基础

• 基础模型: InternVL-3
• 参考实现: Q-Align

引用信息

bibtex @misc{cao2025artimusefinegrainedimageaesthetics, title={ArtiMuse: Fine-Grained Image Aesthetics Assessment with Joint Scoring and Expert-Level Understanding}, author={Shuo Cao and Nan Ma and Jiayang Li and Xiaohui Li and Lihao Shao and Kaiwen Zhu and Yu Zhou and Yuandong Pu and Jiarui Wu and Jiaquan Wang and Bo Qu and Wenhai Wang and Yu Qiao and Dajuin Yao and Yihao Liu}, year={2025}, eprint={2507.14533}, archivePrefix={arXiv}, primaryClass={cs.CV}, url={https://arxiv.org/abs/2507.14533}, }

搜集汇总

数据集介绍

构建方式

在图像美学评估领域，ArtiMuse-10K数据集的构建体现了专业性与系统性的结合。该数据集由专业团队精心策划，收录了10,000张涵盖5大主类和15个子类的图像样本。每幅图像均经过专业美学专家的多维度标注，包括8个美学属性分析和整体美学评分。构建过程中采用了严格的筛选标准，确保样本在艺术风格、内容主题和技术质量上的多样性，为研究提供了丰富的专业级标注数据。

特点

ArtiMuse-10K作为首个专家级图像美学数据集，其显著特点在于精细的层次化分类体系和多维度的美学标注。数据集不仅提供整体美学评分，还包含构图、色彩、光影等8个专业美学维度的详细分析。图像内容覆盖自然景观、人物肖像、抽象艺术等多个艺术门类，且每张图像都经过专业艺术工作者的严格筛选和标注，确保了美学评价的权威性和可靠性。这种细粒度的标注方式为深入理解图像美学提供了宝贵的研究基础。

使用方法

该数据集适用于训练和评估图像美学评估模型，特别是需要同时实现量化评分和专业理解的AI系统。研究人员可通过加载数据集提供的图像和对应标注，开发能够预测美学分数或生成美学分析的多模态模型。使用时应遵循数据集的划分方式，利用专业标注进行模型训练和验证。对于高级应用场景，建议结合8维美学属性进行多任务学习，以提升模型对复杂美学特征的理解能力。

背景与挑战

背景概述

ArtiMuse-10K数据集由Shuo Cao等研究人员于2025年推出，是首个由专业策展人精心构建的图像美学评估数据集，包含10,000张涵盖5大类别和15个子类别的图像。该数据集由专业专家对每张图像进行8维属性分析和整体评分标注，旨在满足教育应用、艺术创作和AI生成内容（AIGC）技术对综合图像美学评估（IAA）的迫切需求。ArtiMuse-10K不仅为美学评分提供了量化标准，还通过专家级理解能力推动了该领域的精细化研究。数据集基于InternVL-3和Q-Align等先进模型构建，显著提升了图像美学评估的准确性和专业性。

当前挑战

ArtiMuse-10K数据集面临的挑战主要集中在两个方面：首先，在领域问题方面，图像美学评估本身具有高度主观性，如何通过多维度属性和整体评分准确捕捉人类审美偏好是一大难题；其次，在构建过程中，专业策展人需要对大量图像进行细致的8维属性标注，包括构图、色彩、主题等复杂美学要素，这一过程耗时且要求极高的专业素养。此外，数据集的多样性和代表性也是重要挑战，需确保涵盖广泛的艺术风格和美学标准，以支撑模型的泛化能力。

常用场景

经典使用场景

在计算机视觉领域，图像美学评估（IAA）一直是研究热点，而ArtiMuse-10K数据集凭借其精细标注和专业性，成为该领域的重要基准。该数据集广泛应用于美学评分模型的训练与验证，特别是在需要同时考虑多维属性和整体评分的场景中。研究人员利用其丰富的标注信息，能够深入探究不同美学维度对整体评分的影响，为模型设计提供可靠依据。

实际应用

在实际应用中，ArtiMuse-10K数据集为多个领域提供了美学评估支持。在教育领域，可用于艺术教育软件的开发；在数字艺术创作中，辅助AIGC系统生成更符合美学标准的作品；在社交媒体平台，帮助优化内容推荐算法。其专业级标注特别适合需要高标准美学判断的商业应用场景。

衍生相关工作

基于ArtiMuse-10K数据集，已衍生出多项重要研究工作。其中最具代表性的是ArtiMuse模型本身，该模型实现了联合评分与专家级理解的双重功能。此外，该数据集还促进了Q-Align等美学评估方法的改进，为后续基于多模态大语言模型的美学研究提供了新的思路和基准。