Raphael Dataset

该数据集包含两组数据（‘真迹’和‘非真迹’），用于对归属于拉斐尔的艺术品进行鉴定分析。每个数据集包括图像文件夹及其相应的文档。真迹图像由拉斐尔验证，排除了壁画和有争议的作品。对比图像分为三类：追随者、模仿品和合成品，其中合成图像由Stable Diffusion创建。数据集旨在通过训练在潜在空间中清晰区分真迹和非真迹图像。

This dataset comprises two groups of data ('authentic' and 'non-authentic'), designed for the authentication analysis of artworks attributed to Raphael. Each dataset includes folders of images and their corresponding documents. The authentic images have been verified by Raphael, excluding frescoes and controversial works. The comparative images are categorized into three types: followers, imitations, and synthetics, with the synthetic images created by Stable Diffusion. The dataset aims to clearly distinguish between authentic and non-authentic images in the latent space through training.

原始信息汇总

数据集概述

数据集名称

Raphael Art Recognition Training Dataset

数据集内容

真实图像集

• 文件夹名称: Raphael authentic_images
• 内容: 包含由Raphael创作的经过验证的真实艺术品图像。这些图像经过精心挑选，排除了壁画和有争议的作品。
• 附加文件: ‘Raphael authentic.xlsx’，详细记录了每件艺术品的可用信息，包括Dussler和Meyer的目录编号。

对比图像集

• 文件夹名称: Raphael contrast_images
• 内容: 包含非真实艺术品图像，分为三类：追随者作品、模仿作品和合成作品（使用Stable Diffusion创建）。对比集的规模较大，以在训练中围绕真实图像创建清晰的潜在空间边界。
• 附加文件: ‘Raphael contrast.xlsx’，包含所包含艺术品的可用信息。

附加文档

• 文件名称: ‘Genre split Raphael.xlsx’
• 内容: 提供Raphael作品中不同类型（肖像、圣母、宗教场景/寓言）在真实和对比集中的百分比分布。

数据集下载链接

Raphael Dataset

使用要求

使用此数据集时，请在使用、出版或其他项目中对Art Recognition进行致谢。如有任何疑问或需要进一步信息，请联系[e-mail]。

搜集汇总

数据集介绍

构建方式

Raphael数据集的构建旨在为艺术品鉴定分析提供可靠的数据支持。该数据集包含两个主要部分：‘authentic’（真迹）和‘not authentic’（非真迹）。真迹部分收录了经过严格筛选的拉斐尔作品，排除了壁画和存在争议的作品，并附有详细的Excel文件，记录了每幅作品的目录编号等信息。非真迹部分则分为追随者作品、模仿作品和通过Stable Diffusion生成的合成图像，其数量多于真迹部分，旨在训练过程中在潜在空间中形成清晰的边界。通过为非真迹图像赋予较低的样本权重，确保了真迹与非真迹样本的均衡性。

特点

Raphael数据集的特点在于其严谨的分类和丰富的信息支持。真迹部分不仅包含高质量图像，还提供了详细的元数据，如Dussler和Meyer的目录编号，为研究提供了可靠的参考。非真迹部分则通过多样化的样本（包括追随者、模仿者和合成图像）增强了数据集的泛化能力。此外，数据集还提供了‘Genre split Raphael.xlsx’文件，对拉斐尔作品中的不同题材（如肖像、圣母像、宗教场景/寓言）进行了分类统计，为深入分析提供了便利。

使用方法

使用Raphael数据集时，用户需通过提供的链接下载数据，并遵循Art Recognition的使用规范。数据集适用于艺术品鉴定、风格分析及机器学习模型的训练等研究领域。用户在使用该数据集进行科研或发表成果时，需明确标注数据来源，并尊重数据集的学术价值。如有进一步需求或疑问，可通过[e-mail]联系数据集提供方。

背景与挑战

背景概述

Raphael数据集由Art Recognition机构创建，旨在为拉斐尔艺术作品的认证分析提供数据支持。该数据集包含‘真实’和‘非真实’两类图像，分别收录了经过验证的拉斐尔真迹以及由追随者、模仿者和合成技术生成的非真实作品。数据集的核心研究问题在于通过机器学习技术区分拉斐尔真迹与仿作，从而推动艺术鉴定领域的自动化发展。拉斐尔作为文艺复兴时期的代表性艺术家，其作品的真伪鉴定一直是艺术史研究的重要课题。该数据集的构建不仅为艺术鉴定提供了新的技术手段，也为艺术史研究提供了重要的数据资源。

当前挑战

Raphael数据集在构建和应用过程中面临多重挑战。首先，艺术作品的鉴定本身具有高度主观性，即便是专家也可能在真伪判断上存在分歧，这为数据集的标注带来了不确定性。其次，非真实作品的多样性极高，包括追随者、模仿者以及现代合成技术生成的作品，如何确保这些样本的多样性和代表性是数据集构建中的一大难题。此外，合成技术的快速发展使得生成的艺术作品越来越逼真，这对机器学习模型的鉴别能力提出了更高的要求。最后，数据集的平衡性也是一个关键问题，如何在真实与非真实样本之间保持合理的比例，以确保模型的训练效果，是数据集设计中的重要考量。

常用场景

经典使用场景

Raphael数据集在艺术鉴定领域具有重要应用，特别是在拉斐尔作品的真实性分析中。该数据集通过提供真实与非真实作品的图像对比，为研究者提供了一个标准化的训练和测试平台。经典的使用场景包括利用机器学习算法对拉斐尔作品进行自动鉴定，帮助艺术史学家和鉴定专家更高效地识别赝品。

衍生相关工作

Raphael数据集衍生了许多相关的研究工作，特别是在艺术鉴定和计算机视觉领域。基于该数据集的研究成果包括开发新的图像分类算法、改进现有的艺术鉴定模型，以及探索深度学习在艺术史研究中的应用。这些工作不仅推动了艺术鉴定技术的发展，还为其他艺术家的作品鉴定提供了参考和借鉴。

数据集最近研究

最新研究方向

在艺术鉴定领域，Raphael数据集为研究拉斐尔作品的真实性提供了重要的数据支持。该数据集通过将作品分为‘真实’和‘非真实’两类，结合了传统艺术鉴定方法与现代人工智能技术，特别是利用Stable Diffusion生成的合成图像，扩展了非真实样本的多样性。这一方法不仅增强了模型在潜在空间中区分真实与非真实作品的能力，还为艺术鉴定领域引入了新的技术视角。当前的研究热点集中在如何通过深度学习模型进一步提升鉴定的准确性和效率，特别是在处理复杂艺术风格和模糊历史背景的作品时。Raphael数据集的应用不仅推动了艺术鉴定技术的进步，也为文化遗产保护提供了新的工具和方法。