creative-graphic-design/PosterErase

---
annotations_creators:
- machine-generated
language:
- zh
language_creators:
- found
license:
- cc-by-sa-4.0
multilinguality:
- monolingual
pretty_name: PosterErase
size_categories: []
source_datasets:
- original
tags:
- graphic design
task_categories:
- other
task_ids: []
---

# Dataset Card for PosterErase

[](https://github.com/shunk031/huggingface-datasets_PosterErase/actions/workflows/ci.yaml)

## Table of Contents
- [Dataset Card Creation Guide](#dataset-card-creation-guide)
- [Table of Contents](#table-of-contents)
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Supported Tasks and Leaderboards](#supported-tasks-and-leaderboards)
- [Languages](#languages)
- [Dataset Structure](#dataset-structure)
- [Data Instances](#data-instances)
- [Data Fields](#data-fields)
- [Data Splits](#data-splits)
- [Dataset Creation](#dataset-creation)
- [Curation Rationale](#curation-rationale)
- [Source Data](#source-data)
- [Initial Data Collection and Normalization](#initial-data-collection-and-normalization)
- [Who are the source language producers?](#who-are-the-source-language-producers)
- [Annotations](#annotations)
- [Annotation process](#annotation-process)
- [Who are the annotators?](#who-are-the-annotators)
- [Personal and Sensitive Information](#personal-and-sensitive-information)
- [Considerations for Using the Data](#considerations-for-using-the-data)
- [Social Impact of Dataset](#social-impact-of-dataset)
- [Discussion of Biases](#discussion-of-biases)
- [Other Known Limitations](#other-known-limitations)
- [Additional Information](#additional-information)
- [Dataset Curators](#dataset-curators)
- [Licensing Information](#licensing-information)
- [Citation Information](#citation-information)
- [Contributions](#contributions)

## Dataset Description

- **Homepage:** https://github.com/alimama-creative/Self-supervised-Text-Erasing
- **Repository:** https://github.com/shunk031/huggingface-datasets_PosterErase
- **Paper (Preprint):** https://arxiv.org/abs/2204.12743
- **Paper (ACMMM2022):** https://dl.acm.org/doi/abs/10.1145/3503161.3547905

### Dataset Summary

### Supported Tasks and Leaderboards

[More Information Needed]

### Languages

The language data in PKU-PosterLayout is in Chinese (BCP-47 zh).

## Dataset Structure

### Data Instances

To use PosterErase dataset, you need to download the dataset via [Alibaba Cloud](https://tianchi.aliyun.com/dataset/134810).
Then place the downloaded files in the following structure and specify its path.

```
/path/to/datasets
├── erase_1.zip
├── erase_2.zip
├── erase_3.zip
├── erase_4.zip
├── erase_5.zip
└── erase_6.zip
```

```python
import datasets as ds

dataset = ds.load_dataset(
path="shunk031/PosterErase",
data_dir="/path/to/datasets/",
)
```

### Data Fields

[More Information Needed]

### Data Splits

[More Information Needed]

## Dataset Creation

### Curation Rationale

[More Information Needed]

### Source Data

[More Information Needed]

#### Initial Data Collection and Normalization

[More Information Needed]

#### Who are the source language producers?

[More Information Needed]

### Annotations

[More Information Needed]

#### Annotation process

[More Information Needed]

#### Who are the annotators?

[More Information Needed]

### Personal and Sensitive Information

[More Information Needed]

## Considerations for Using the Data

### Social Impact of Dataset

[More Information Needed]

### Discussion of Biases

[More Information Needed]

### Other Known Limitations

[More Information Needed]

## Additional Information

### Dataset Curators

[More Information Needed]

### Licensing Information

You can find the following statement in [the license section](https://tianchi.aliyun.com/dataset/134810#license) of t[he dataset distribution location](https://tianchi.aliyun.com/dataset/134810).

> The dataset is distributed under the CC BY-SA 4.0 license.

However, the license setting on that page appears to be set to [CC-BY-SA-NC 4.0](http://creativecommons.org/licenses/by-sa/4.0/?spm=a2c22.12282016.0.0.7abc5a92qnyxdR).

### Citation Information

```bibtex
@inproceedings{jiang2022self,
title={Self-supervised text erasing with controllable image synthesis},
author={Jiang, Gangwei and Wang, Shiyao and Ge, Tiezheng and Jiang, Yuning and Wei, Ying and Lian, Defu},
booktitle={Proceedings of the 30th ACM International Conference on Multimedia},
pages={1973--1983},
year={2022}
}
```

### Contributions

Thanks to [alimama-creative](https://github.com/alimama-creative) for creating this dataset.

---
注释生成者:
- 机器生成
语言:
- zh
语言生成方式:
- 公开采集(found)
授权协议:
- 知识共享署名-相同方式共享4.0(CC BY-SA 4.0)
多语言属性:
- 单语言
数据集展示名: PosterErase
数据规模类别: []
源数据集:
- 原创
标签:
- 平面设计(graphic design)
任务类别:
- 其他
任务子项:
[]
---
# PosterErase 数据集卡片

[](https://github.com/shunk031/huggingface-datasets_PosterErase/actions/workflows/ci.yaml)

## 目录
- [数据集卡片创建指南](#dataset-card-creation-guide)
- [目录](#table-of-contents)
- [数据集概述](#dataset-description)
- [数据集总结](#dataset-summary)
- [支持任务与基准测试集](#supported-tasks-and-leaderboards)
- [语言](#languages)
- [数据集结构](#dataset-structure)
- [数据实例](#data-instances)
- [数据字段](#data-fields)
- [数据划分](#data-splits)
- [数据集构建](#dataset-creation)
- [构建初衷](#curation-rationale)
- [源数据](#source-data)
- [初始数据收集与标准化](#initial-data-collection-and-normalization)
- [源语言生产者](#who-are-the-source-language-producers)
- [注释](#annotations)
- [注释流程](#annotation-process)
- [注释者](#who-are-the-annotators)
- [个人与敏感信息](#personal-and-sensitive-information)
- [数据集使用注意事项](#considerations-for-using-the-data)
- [数据集的社会影响](#social-impact-of-dataset)
- [偏差讨论](#discussion-of-biases)
- [其他已知局限性](#other-known-limitations)
- [附加信息](#additional-information)
- [数据集维护者](#dataset-curators)
- [授权信息](#licensing-information)
- [引用信息](#citation-information)
- [贡献致谢](#contributions)

## 数据集概述

- **主页链接**: https://github.com/alimama-creative/Self-supervised-Text-Erasing
- **代码仓库**: https://github.com/shunk031/huggingface-datasets_PosterErase
- **预印本论文**: https://arxiv.org/abs/2204.12743
- **ACMMM2022 会议论文**: https://dl.acm.org/doi/abs/10.1145/3503161.3547905

### 数据集总结

[需补充更多信息]

### 支持任务与基准测试集

[需补充更多信息]

### 语言

本数据集PKU-PosterLayout中的语言数据采用中文（BCP-47语言标签：zh）。

## 数据集结构

### 数据实例

使用PosterErase数据集前，需先通过[阿里云天池平台](https://tianchi.aliyun.com/dataset/134810)下载该数据集，随后将下载的文件按照如下结构放置，并指定对应路径：

/path/to/datasets
├── erase_1.zip
├── erase_2.zip
├── erase_3.zip
├── erase_4.zip
├── erase_5.zip
└── erase_6.zip

可通过如下Python代码加载数据集：

python
import datasets as ds

dataset = ds.load_dataset(
path="shunk031/PosterErase",
data_dir="/path/to/datasets/",
)

### 数据字段

[需补充更多信息]

### 数据划分

[需补充更多信息]

## 数据集构建

### 构建初衷

[需补充更多信息]

### 源数据

[需补充更多信息]

#### 初始数据收集与标准化

[需补充更多信息]

#### 源语言生产者

[需补充更多信息]

### 注释

[需补充更多信息]

#### 注释流程

[需补充更多信息]

#### 注释者

[需补充更多信息]

### 个人与敏感信息

[需补充更多信息]

## 数据集使用注意事项

### 数据集的社会影响

[需补充更多信息]

### 偏差讨论

[需补充更多信息]

### 其他已知局限性

[需补充更多信息]

## 附加信息

### 数据集维护者

[需补充更多信息]

### 授权信息

可在该数据集发布页面的[授权板块](https://tianchi.aliyun.com/dataset/134810#license)中找到如下声明：

> 本数据集采用知识共享署名-相同方式共享4.0（CC BY-SA 4.0）许可协议进行分发。

但该页面上的许可设置实际显示为[CC-BY-SA-NC 4.0](http://creativecommons.org/licenses/by-sa/4.0/?spm=a2c22.12282016.0.0.7abc5a92qnyxdR)。

### 引用信息

bibtex
@inproceedings{jiang2022self,
title={可控图像合成的自监督文本擦除方法},
author={Jiang, Gangwei and Wang, Shiyao and Ge, Tiezheng and Jiang, Yuning and Wei, Ying and Lian, Defu},
booktitle={第30届ACM国际多媒体会议论文集},
pages={1973--1983},
year={2022}
}

### 贡献致谢

感谢[alimama-creative](https://github.com/alimama-creative)团队创建本数据集。

原始信息汇总

数据集卡片：PosterErase

数据集描述

• 语言：中文 (BCP-47 zh)
• 许可证：CC BY-SA 4.0
• 标签：graphic design
• 任务类别：other

数据集结构

数据实例

数据集需要从 Alibaba Cloud 下载，并按照以下结构放置：

/path/to/datasets ├── erase_1.zip ├── erase_2.zip ├── erase_3.zip ├── erase_4.zip ├── erase_5.zip └── erase_6.zip

加载数据集的示例代码：

python import datasets as ds

dataset = ds.load_dataset( path="shunk031/PosterErase", data_dir="/path/to/datasets/", )

许可证信息

数据集遵循 CC BY-SA 4.0 许可证。

引用信息

bibtex @inproceedings{jiang2022self, title={Self-supervised text erasing with controllable image synthesis}, author={Jiang, Gangwei and Wang, Shiyao and Ge, Tiezheng and Jiang, Yuning and Wei, Ying and Lian, Defu}, booktitle={Proceedings of the 30th ACM International Conference on Multimedia}, pages={1973--1983}, year={2022} }

搜集汇总

数据集介绍

构建方式

PosterErase数据集的构建源于对平面设计领域文本擦除技术的深入研究。该数据集通过机器生成的方式，系统性地收集并标注了中文海报图像中的文本区域，旨在为自监督文本擦除任务提供高质量的基准数据。其构建过程严格遵循学术规范，确保了数据的可靠性与一致性，为后续的算法开发与评估奠定了坚实基础。

特点

PosterErase数据集在图形设计领域展现出鲜明的特色。作为单语种中文数据集，它专注于海报图像中的文本擦除任务，涵盖了多样化的设计风格与文本布局。数据集以CC BY-SA 4.0许可证发布，促进了学术共享与协作。其结构清晰，支持灵活的数据加载与处理，为研究者提供了便捷的实验平台。

使用方法

使用PosterErase数据集时，需从指定云平台下载压缩文件，并按照要求组织目录结构。通过Hugging Face的datasets库，用户可以轻松加载数据集，并指定本地数据路径进行访问。该数据集适用于自监督文本擦除模型的训练与评估，为图形设计与计算机视觉的交叉研究提供了实用工具。

背景与挑战

背景概述

PosterErase数据集由阿里巴巴集团的研究团队于2022年构建，其核心研究聚焦于图形设计领域的文本擦除任务。该数据集旨在支持自监督学习框架下的可控图像合成，为海报设计中的文本元素移除提供基准数据。通过结合机器生成的标注与真实场景的海报图像，PosterErase推动了多媒体内容编辑技术的发展，并在ACM Multimedia等顶级会议上得到认可，对计算机视觉与图形设计的交叉领域产生了显著影响。

当前挑战

PosterErase数据集面临的挑战主要涵盖两个方面：在领域问题层面，文本擦除任务需处理复杂背景下的字体多样性、颜色融合及纹理干扰，确保移除文本后图像视觉连贯性；在构建过程中，数据收集依赖于真实海报图像，需克服版权合规与标注一致性难题，同时自监督方法对合成数据的真实性与可控性提出了较高要求。

常用场景

经典使用场景

在视觉内容生成与编辑领域，PosterErase数据集为自监督文本擦除任务提供了关键支持。该数据集通过机器生成的标注，专注于从海报图像中移除文本元素，同时保持背景视觉内容的完整性。其经典使用场景涉及训练深度学习模型，特别是生成对抗网络（GAN）和扩散模型，以实现精准的文本检测与擦除，为图像修复和内容编辑研究奠定数据基础。

衍生相关工作

基于PosterErase数据集，衍生出多项经典研究工作，如自监督文本擦除框架的提出，该框架结合了可控图像合成技术，显著提升了文本移除的精度与自然度。相关成果发表于ACM Multimedia 2022等顶级会议，推动了图像编辑模型的发展。后续研究进一步扩展了该数据集的应用，例如结合多模态学习进行文本-图像对齐，以及开发更高效的实时擦除算法，为视觉内容生成领域注入了创新动力。

数据集最近研究

最新研究方向

在视觉设计与多媒体处理领域，PosterErase数据集作为专注于海报文本擦除任务的资源，正推动自监督学习与可控图像合成的前沿探索。该数据集源于ACMMM2022会议的研究成果，通过机器生成的标注支持中文环境下的图形设计应用，其核心在于利用合成图像技术实现文本元素的精准移除，同时保持海报视觉结构的完整性。当前研究热点集中于结合生成对抗网络（GAN）与扩散模型，以提升擦除过程的真实性与可控性，这为广告设计、文化遗产修复等实际场景提供了高效解决方案，促进了跨模态内容编辑技术的创新与发展。