Expert-labeled Aesthetics Perception Database (EAPD)|美学感知数据集|图像数据库数据集

Expert-labeled Aesthetics Perception Database (EAPD)是由西安电子科技大学构建的高质量图像数据库，包含2800张多样化的图像，涵盖自然图像、艺术图像和人工智能生成的图像。该数据集由美学领域的专业专家进行高质量标注，旨在通过精细的设计全面评估多模态大型语言模型(MLLMs)的美学感知能力。EAPD不仅用于评估MLLMs在美学感知、共鸣、评估和解释四个方面的能力，还推动了智能摄影、相册管理、照片推荐和图像增强等应用领域的发展。

AI搜集汇总

数据集介绍

构建方式

Expert-labeled Aesthetics Perception Database (EAPD) 的构建过程分为三个主要阶段：数据收集、专家选择和主观实验。首先，从多个数据集中收集了2800张多样化的图像，涵盖自然图像、艺术图像和人工智能生成的图像。随后，通过严格的筛选标准招募了32位具有丰富美学经验的专家。最后，这些专家使用本地部署的注释工具对图像进行高质量的注释，确保了数据集的可靠性和多样性。

特点

EAPD 数据集的显著特点在于其高质量的专家注释和图像内容的多样性。每张图像都由专业的美学专家进行注释，确保了注释的准确性和深度。此外，数据集包含了自然图像、艺术图像和人工智能生成的图像，提供了广泛的美学感知评估场景，使得该数据集在多模态大语言模型（MLLMs）的美学感知能力评估中具有重要价值。

使用方法

EAPD 数据集主要用于评估多模态大语言模型（MLLMs）在图像美学感知方面的能力。通过提供高质量的专家注释，研究人员可以利用该数据集来测试和提升模型在美学感知、美学共情、美学评估和美学解释四个维度上的表现。此外，数据集的多样性也使得其适用于不同类型的图像美学感知研究，为模型的进一步优化和应用提供了坚实的基础。

背景与挑战

背景概述

在多模态大语言模型（MLLMs）的蓬勃发展背景下，图像美学感知能力的评估成为一个亟待解决的问题。Expert-labeled Aesthetics Perception Database (EAPD) 由西安电子科技大学和南洋理工大学的研究团队于2024年创建，旨在为MLLMs在图像美学感知任务上的表现提供一个高质量的基准。该数据集包含了2800张多样化的图像，涵盖自然图像、艺术图像和人工智能生成的图像，并由专业美学专家进行高质量标注。EAPD的构建不仅填补了MLLMs在美学感知评估上的空白，还推动了智能摄影、相册管理和图像增强等实际应用的发展。

当前挑战

EAPD在构建过程中面临多重挑战。首先，图像内容的多样性和高质量标注的获取是主要难题，需要专业美学专家的参与。其次，MLLMs在美学感知任务上的表现仍处于初级阶段，与人类水平存在显著差距。此外，现有的评估标准主要集中在语言或视觉任务上，缺乏针对美学感知任务的专门基准。最后，如何准确评估MLLMs在美学感知任务上的表现，尤其是在情感共鸣、美学评估和解释等方面的能力，仍是一个开放的研究问题。

常用场景

经典使用场景

Expert-labeled Aesthetics Perception Database (EAPD) 最经典的使用场景在于评估多模态大语言模型（MLLMs）在图像美学感知任务中的表现。通过提供多样化且高质量的图像内容和专业美学专家的标注，EAPD 能够全面评估 MLLMs 在美学感知、共情、评估和解释四个维度上的能力。这种评估不仅有助于揭示当前 MLLMs 在美学感知方面的局限性，还为未来模型的改进提供了宝贵的数据支持。

实际应用

在实际应用中，EAPD 可以广泛应用于智能摄影、相册管理、照片推荐和图像增强等领域。通过评估和提升 MLLMs 在美学感知方面的能力，EAPD 有助于开发出更智能、更符合人类审美的图像处理工具。例如，在智能摄影中，EAPD 可以帮助相机自动调整拍摄参数以捕捉更具美感的照片；在相册管理中，EAPD 可以用于自动分类和推荐高美感的照片。

衍生相关工作

EAPD 的推出催生了大量相关研究工作，特别是在多模态大语言模型的美学感知能力评估和改进方面。例如，基于 EAPD 的研究已经提出了多种新的评估标准和方法，如 AesBench 中的四维度评估框架。此外，EAPD 还激发了在图像美学感知任务中应用 GPT 辅助评估策略的研究，进一步提升了评估的准确性和可靠性。这些衍生工作不仅丰富了美学感知领域的研究内容，也为实际应用提供了技术支持。