yjernite/prof_report__SD_v2_random_seedsmulti12

Name: yjernite/prof_report__SD_v2_random_seeds__multi__12
Creator: yjernite
Published: 2023-06-04 18:18:35
License: 暂无描述

Hugging Face2023-06-04 更新2024-03-04 收录

下载链接：

https://hf-mirror.com/datasets/yjernite/prof_report__SD_v2_random_seeds__multi__12

下载链接

链接失效反馈

官方服务：

资源简介：

--- dataset_info: features: - name: cluster_id dtype: int64 - name: cluster_size dtype: int64 - name: img_ids sequence: int64 - name: img_cluster_scores sequence: float64 splits: - name: paralegal num_bytes: 3480 num_examples: 5 - name: bartender num_bytes: 3504 num_examples: 6 - name: facilities_manager num_bytes: 3552 num_examples: 8 - name: accountant num_bytes: 3528 num_examples: 7 - name: graphic_designer num_bytes: 3504 num_examples: 6 - name: network_administrator num_bytes: 3504 num_examples: 6 - name: financial_manager num_bytes: 3504 num_examples: 6 - name: baker num_bytes: 3600 num_examples: 10 - name: security_guard num_bytes: 3480 num_examples: 5 - name: artist num_bytes: 3552 num_examples: 8 - name: author num_bytes: 3456 num_examples: 4 - name: printing_press_operator num_bytes: 3600 num_examples: 10 - name: public_relations_specialist num_bytes: 3504 num_examples: 6 - name: sheet_metal_worker num_bytes: 3528 num_examples: 7 - name: clergy num_bytes: 3552 num_examples: 8 - name: payroll_clerk num_bytes: 3528 num_examples: 7 - name: teller num_bytes: 3576 num_examples: 9 - name: real_estate_broker num_bytes: 3480 num_examples: 5 - name: customer_service_representative num_bytes: 3504 num_examples: 6 - name: painter num_bytes: 3600 num_examples: 10 - name: tractor_operator num_bytes: 3480 num_examples: 5 - name: dental_hygienist num_bytes: 3480 num_examples: 5 - name: industrial_engineer num_bytes: 3456 num_examples: 4 - name: electrician num_bytes: 3456 num_examples: 4 - name: head_cook num_bytes: 3528 num_examples: 7 - name: health_technician num_bytes: 3552 num_examples: 8 - name: carpet_installer num_bytes: 3456 num_examples: 4 - name: purchasing_agent num_bytes: 3480 num_examples: 5 - name: supervisor num_bytes: 3528 num_examples: 7 - name: civil_engineer num_bytes: 3504 num_examples: 6 - name: lawyer num_bytes: 3528 num_examples: 7 - name: language_pathologist num_bytes: 3600 num_examples: 10 - name: ceo num_bytes: 3528 num_examples: 7 - name: computer_support_specialist num_bytes: 3552 num_examples: 8 - name: postal_worker num_bytes: 3576 num_examples: 9 - name: mechanical_engineer num_bytes: 3480 num_examples: 5 - name: nursing_assistant num_bytes: 3552 num_examples: 8 - name: dentist num_bytes: 3504 num_examples: 6 - name: tutor num_bytes: 3600 num_examples: 10 - name: butcher num_bytes: 3480 num_examples: 5 - name: insurance_agent num_bytes: 3504 num_examples: 6 - name: courier num_bytes: 3504 num_examples: 6 - name: computer_programmer num_bytes: 3480 num_examples: 5 - name: truck_driver num_bytes: 3504 num_examples: 6 - name: mechanic num_bytes: 3480 num_examples: 5 - name: marketing_manager num_bytes: 3528 num_examples: 7 - name: sales_manager num_bytes: 3504 num_examples: 6 - name: correctional_officer num_bytes: 3504 num_examples: 6 - name: manager num_bytes: 3504 num_examples: 6 - name: underwriter num_bytes: 3528 num_examples: 7 - name: executive_assistant num_bytes: 3480 num_examples: 5 - name: designer num_bytes: 3504 num_examples: 6 - name: groundskeeper num_bytes: 3528 num_examples: 7 - name: mental_health_counselor num_bytes: 3528 num_examples: 7 - name: aerospace_engineer num_bytes: 3456 num_examples: 4 - name: taxi_driver num_bytes: 3528 num_examples: 7 - name: nurse num_bytes: 3528 num_examples: 7 - name: data_entry_keyer num_bytes: 3456 num_examples: 4 - name: musician num_bytes: 3552 num_examples: 8 - name: event_planner num_bytes: 3552 num_examples: 8 - name: writer num_bytes: 3504 num_examples: 6 - name: cook num_bytes: 3576 num_examples: 9 - name: welder num_bytes: 3528 num_examples: 7 - name: producer num_bytes: 3528 num_examples: 7 - name: hairdresser num_bytes: 3528 num_examples: 7 - name: farmer num_bytes: 3480 num_examples: 5 - name: construction_worker num_bytes: 3480 num_examples: 5 - name: air_conditioning_installer num_bytes: 3432 num_examples: 3 - name: electrical_engineer num_bytes: 3480 num_examples: 5 - name: occupational_therapist num_bytes: 3528 num_examples: 7 - name: career_counselor num_bytes: 3552 num_examples: 8 - name: interior_designer num_bytes: 3504 num_examples: 6 - name: jailer num_bytes: 3528 num_examples: 7 - name: office_clerk num_bytes: 3480 num_examples: 5 - name: market_research_analyst num_bytes: 3528 num_examples: 7 - name: laboratory_technician num_bytes: 3552 num_examples: 8 - name: social_assistant num_bytes: 3528 num_examples: 7 - name: medical_records_specialist num_bytes: 3504 num_examples: 6 - name: machinery_mechanic num_bytes: 3456 num_examples: 4 - name: police_officer num_bytes: 3528 num_examples: 7 - name: software_developer num_bytes: 3456 num_examples: 4 - name: clerk num_bytes: 3576 num_examples: 9 - name: salesperson num_bytes: 3528 num_examples: 7 - name: social_worker num_bytes: 3504 num_examples: 6 - name: director num_bytes: 3528 num_examples: 7 - name: fast_food_worker num_bytes: 3552 num_examples: 8 - name: singer num_bytes: 3576 num_examples: 9 - name: metal_worker num_bytes: 3480 num_examples: 5 - name: cleaner num_bytes: 3552 num_examples: 8 - name: computer_systems_analyst num_bytes: 3552 num_examples: 8 - name: dental_assistant num_bytes: 3456 num_examples: 4 - name: psychologist num_bytes: 3528 num_examples: 7 - name: machinist num_bytes: 3432 num_examples: 3 - name: therapist num_bytes: 3552 num_examples: 8 - name: veterinarian num_bytes: 3456 num_examples: 4 - name: teacher num_bytes: 3576 num_examples: 9 - name: architect num_bytes: 3480 num_examples: 5 - name: office_worker num_bytes: 3504 num_examples: 6 - name: drywall_installer num_bytes: 3432 num_examples: 3 - name: nutritionist num_bytes: 3480 num_examples: 5 - name: librarian num_bytes: 3504 num_examples: 6 - name: childcare_worker num_bytes: 3504 num_examples: 6 - name: school_bus_driver num_bytes: 3600 num_examples: 10 - name: file_clerk num_bytes: 3576 num_examples: 9 - name: logistician num_bytes: 3504 num_examples: 6 - name: scientist num_bytes: 3528 num_examples: 7 - name: teaching_assistant num_bytes: 3504 num_examples: 6 - name: radiologic_technician num_bytes: 3528 num_examples: 7 - name: manicurist num_bytes: 3504 num_examples: 6 - name: community_manager num_bytes: 3528 num_examples: 7 - name: carpenter num_bytes: 3456 num_examples: 4 - name: claims_appraiser num_bytes: 3504 num_examples: 6 - name: dispatcher num_bytes: 3552 num_examples: 8 - name: cashier num_bytes: 3600 num_examples: 10 - name: roofer num_bytes: 3432 num_examples: 3 - name: photographer num_bytes: 3504 num_examples: 6 - name: detective num_bytes: 3528 num_examples: 7 - name: financial_advisor num_bytes: 3528 num_examples: 7 - name: wholesale_buyer num_bytes: 3552 num_examples: 8 - name: it_specialist num_bytes: 3504 num_examples: 6 - name: pharmacy_technician num_bytes: 3504 num_examples: 6 - name: engineer num_bytes: 3480 num_examples: 5 - name: mover num_bytes: 3552 num_examples: 8 - name: plane_mechanic num_bytes: 3456 num_examples: 4 - name: interviewer num_bytes: 3552 num_examples: 8 - name: massage_therapist num_bytes: 3552 num_examples: 8 - name: dishwasher num_bytes: 3480 num_examples: 5 - name: fitness_instructor num_bytes: 3552 num_examples: 8 - name: credit_counselor num_bytes: 3528 num_examples: 7 - name: stocker num_bytes: 3504 num_examples: 6 - name: pharmacist num_bytes: 3528 num_examples: 7 - name: doctor num_bytes: 3552 num_examples: 8 - name: compliance_officer num_bytes: 3552 num_examples: 8 - name: aide num_bytes: 3552 num_examples: 8 - name: bus_driver num_bytes: 3552 num_examples: 8 - name: financial_analyst num_bytes: 3528 num_examples: 7 - name: receptionist num_bytes: 3504 num_examples: 6 - name: janitor num_bytes: 3528 num_examples: 7 - name: plumber num_bytes: 3432 num_examples: 3 - name: physical_therapist num_bytes: 3552 num_examples: 8 - name: inventory_clerk num_bytes: 3504 num_examples: 6 - name: firefighter num_bytes: 3456 num_examples: 4 - name: coach num_bytes: 3528 num_examples: 7 - name: maid num_bytes: 3552 num_examples: 8 - name: pilot num_bytes: 3528 num_examples: 7 - name: repair_worker num_bytes: 3552 num_examples: 8 download_size: 402970 dataset_size: 513432 --- # Dataset Card for "prof_report__SD_v2_random_seeds__multi__12" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

提供机构：

yjernite

原始信息汇总

数据集概述

数据集名称

名称: prof_report__SD_v2_random_seeds__multi__12

数据集大小

下载大小: 402970
数据集大小: 513432

数据集特征

cluster_id: 整数类型 (int64)
cluster_size: 整数类型 (int64)
img_ids: 序列类型，整数 (sequence: int64)
img_cluster_scores: 序列类型，浮点数 (sequence: float64)

数据集拆分

paralegal: 5个样本，占用3480字节
bartender: 6个样本，占用3504字节
facilities_manager: 8个样本，占用3552字节
accountant: 7个样本，占用3528字节
graphic_designer: 6个样本，占用3504字节
network_administrator: 6个样本，占用3504字节
financial_manager: 6个样本，占用3504字节
baker: 10个样本，占用3600字节
security_guard: 5个样本，占用3480字节
artist: 8个样本，占用3552字节
author: 4个样本，占用3456字节
printing_press_operator: 10个样本，占用3600字节
public_relations_specialist: 6个样本，占用3504字节
sheet_metal_worker: 7个样本，占用3528字节
clergy: 8个样本，占用3552字节
payroll_clerk: 7个样本，占用3528字节
teller: 9个样本，占用3576字节
real_estate_broker: 5个样本，占用3480字节
customer_service_representative: 6个样本，占用3504字节
painter: 10个样本，占用3600字节
tractor_operator: 5个样本，占用3480字节
dental_hygienist: 5个样本，占用3480字节
industrial_engineer: 4个样本，占用3456字节
electrician: 4个样本，占用3456字节
head_cook: 7个样本，占用3528字节
health_technician: 8个样本，占用3552字节
carpet_installer: 4个样本，占用3456字节
purchasing_agent: 5个样本，占用3480字节
supervisor: 7个样本，占用3528字节
civil_engineer: 6个样本，占用3504字节
lawyer: 7个样本，占用3528字节
language_pathologist: 10个样本，占用3600字节
ceo: 7个样本，占用3528字节
computer_support_specialist: 8个样本，占用3552字节
postal_worker: 9个样本，占用3576字节
mechanical_engineer: 5个样本，占用3480字节
nursing_assistant: 8个样本，占用3552字节
dentist: 6个样本，占用3504字节
tutor: 10个样本，占用3600字节
butcher: 5个样本，占用3480字节
insurance_agent: 6个样本，占用3504字节
courier: 6个样本，占用3504字节
computer_programmer: 5个样本，占用3480字节
truck_driver: 6个样本，占用3504字节
mechanic: 5个样本，占用3480字节
marketing_manager: 7个样本，占用3528字节
sales_manager: 6个样本，占用3504字节
correctional_officer: 6个样本，占用3504字节
manager: 6个样本，占用3504字节
underwriter: 7个样本，占用3528字节
executive_assistant: 5个样本，占用3480字节
designer: 6个样本，占用3504字节
groundskeeper: 7个样本，占用3528字节
mental_health_counselor: 7个样本，占用3528字节
aerospace_engineer: 4个样本，占用3456字节
taxi_driver: 7个样本，占用3528字节
nurse: 7个样本，占用3528字节
data_entry_keyer: 4个样本，占用3456字节
musician: 8个样本，占用3552字节
event_planner: 8个样本，占用3552字节
writer: 6个样本，占用3504字节
cook: 9个样本，占用3576字节
welder: 7个样本，占用3528字节
producer: 7个样本，占用3528字节
hairdresser: 7个样本，占用3528字节
farmer: 5个样本，占用3480字节
construction_worker: 5个样本，占用3480字节
air_conditioning_installer: 3个样本，占用3432字节
electrical_engineer: 5个样本，占用3480字节
occupational_therapist: 7个样本，占用3528字节
career_counselor: 8个样本，占用3552字节
interior_designer: 6个样本，占用3504字节
jailer: 7个样本，占用3528字节
office_clerk: 5个样本，占用3480字节
market_research_analyst: 7个样本，占用3528字节
laboratory_technician: 8个样本，占用3552字节
social_assistant: 7个样本，占用3528字节
medical_records_specialist: 6个样本，占用3504字节
machinery_mechanic: 4个样本，占用3456字节
police_officer: 7个样本，占用3528字节
software_developer: 4个样本，占用3456字节
clerk: 9个样本，占用3576字节
salesperson: 7个样本，占用3528字节
social_worker: 6个样本，占用3504字节
director: 7个样本，占用3528字节
fast_food_worker: 8个样本，占用3552字节
singer: 9个样本，占用3576字节
metal_worker: 5个样本，占用3480字节
cleaner: 8个样本，占用3552字节
computer_systems_analyst: 8个样本，占用3552字节
dental_assistant: 4个样本，占用3456字节
psychologist: 7个样本，占用3528字节
machinist: 3个样本，占用3432字节
therapist: 8个样本，占用3552字节
veterinarian: 4个样本，占用3456字节
teacher: 9个样本，占用3576字节
architect: 5个样本，占用3480字节
office_worker: 6个样本，占用3504字节
drywall_installer: 3个样本，占用3432字节
nutritionist: 5个样本，占用3480字节
librarian: 6个样本，占用3504字节
childcare_worker: 6个样本，占用3504字节
school_bus_driver: 10个样本，占用3600字节
file_clerk: 9个样本，占用3576字节
logistician: 6个样本，占用3504字节
scientist: 7个样本，占用3528字节
teaching_assistant: 6个样本，占用3504字节
radiologic_technician: 7个样本，占用3528字节
manicurist: 6个样本，占用3504字节
community_manager: 7个样本，占用3528字节
carpenter: 4个样本，占用3456字节
claims_appraiser: 6个样本，占用3504字节
dispatcher: 8个样本，占用3552字节
cashier: 10个样本，占用3600字节
roofer: 3个样本，占用3432字节
photographer: 6个样本，占用3504字节
detective: 7个样本，占用3528字节
financial_advisor: 7个样本，占用3528字节
wholesale_buyer: 8个样本，占用3552字节
it_specialist: 6个样本，占用3504字节
pharmacy_technician: 6个样本，占用3504字节
engineer: 5个样本，占用3480字节
mover: 8个样本，占用3552字节
plane_mechanic: 4个样本，占用3456字节
interviewer: 8个样本，占用3552字节
massage_therapist: 8个样本，占用3552字节
dishwasher: 5个样本，占用3480字节
fitness_instructor: 8个样本，占用3552字节
credit_counselor: 7个样本，占用3528字节
stocker: 6个样本，占用3504字节
pharmacist: 7个样本，占用3528字节
doctor: 8个样本，占用3552字节
compliance_officer: 8个样本，占用3552字节
aide: 8个样本，占用3552字节
bus_driver: 8个样本，占用3552字节
financial_analyst: 7个样本，占用3528字节
receptionist: 6个样本，占用3504字节
janitor: 7个样本，占用3528字节
plumber: 3个样本，占用3432字节
physical_therapist: 8个样本，占用3552字节
inventory_clerk: 6个样本，占用3504字节
firefighter: 4个样本，占用3456字节
coach: 7个样本，占用3528字节
maid: 8个样本，占用3552字节
pilot: 7个样本，占用3528字节
repair_worker: 8个样本，占用3552字节

搜集汇总

数据集介绍

构建方式

该数据集基于稳定扩散模型（Stable Diffusion v2）生成，通过随机种子采样技术构建多职业图像聚类。每条记录包含聚类标识符（cluster_id）、聚类规模（cluster_size）、图像编号序列（img_ids）及其对应的聚类分数（img_cluster_scores）。数据被划分为120余个职业类别子集，例如律师、医生、程序员等，每个子集包含3至10个不等的聚类样本，总计约500余条记录。构建过程旨在模拟不同职业场景下的视觉特征分布，为多领域图像理解提供结构化数据支撑。

特点

数据集的核心特点在于其跨职业的多样性与结构化聚类设计。覆盖从会计、面包师到航空工程师等120余种职业，每个职业均以独立子集形式呈现，便于细粒度分析。聚类分数（img_cluster_scores）量化了图像与对应职业语义的关联强度，而图像编号序列（img_ids）则保留了原始生成图像的索引轨迹。这种设计使得数据集兼具层次性与可追溯性，适用于职业分类、图像聚类评估及生成模型质量分析等任务。

使用方法

使用时可直接通过HuggingFace Datasets库加载，按职业名称（如'lawyer'、'nurse'）访问对应子集。每条数据包含的聚类标识与分数可用于构建监督学习标签或聚类验证指标。研究者可提取img_ids序列进行图像检索，或利用cluster_size分析职业类别的分布均衡性。数据集兼容PyTorch/TensorFlow等主流框架，适用于多分类模型训练、无监督聚类对比实验及生成图像质量评估等场景。

背景与挑战

背景概述

在生成式人工智能迅猛发展的时代，文本到图像生成模型如Stable Diffusion的涌现，为视觉内容创作开辟了崭新路径。该数据集由HuggingFace社区的研究人员于近期构建，旨在系统性地评估不同随机种子对生成图像质量与多样性的影响，核心研究问题聚焦于揭示随机性在职业场景图像生成中的作用机制。数据集涵盖了从律师、医生到厨师、出租车司机等百余种职业类别，通过多随机种子策略生成图像并聚类分析，为理解生成模型的鲁棒性与偏差特性提供了宝贵资源。其对相关领域的影响力在于，为后续研究如何优化生成模型参数、确保生成内容的公平性与代表性奠定了实证基础，推动了生成式AI在职业画像等细粒度场景中的可靠应用。

当前挑战

该数据集面临的核心挑战之一在于解决生成模型在职业表征中的偏差问题，即模型可能因训练数据的不均衡而对某些职业（如技术类与体力劳动类）产生风格或角色上的系统性扭曲，导致生成结果未能真实反映职业多样性。构建过程中，研究人员需应对多随机种子生成图像的高计算成本与聚类分析的复杂性，如何在有限样本（每职业仅数至十例）下确保聚类结果的统计显著性是一大难题。此外，数据集的标注与清洗需人工介入，以过滤生成质量低下或与职业语义不符的异常图像，这一过程耗时且易引入主观判断误差，构成了从原始生成到可靠评估的又一障碍。

常用场景

经典使用场景

该数据集基于Stable Diffusion v2模型，通过对多种随机种子进行多轮生成，构建了涵盖超过120种职业类别的图像聚类报告。其经典使用场景在于为多模态生成模型提供细粒度的职业语义锚点，研究者可借助cluster_id与img_ids的映射关系，系统性地分析扩散模型在不同职业概念下的视觉表征偏好，从而揭示生成模型在职业形象塑造中的潜在偏差。

衍生相关工作

该数据集衍生了一系列开创性工作，包括基于聚类偏差的职业公平性微调方法、多职业概念解耦的文本-图像对齐模型，以及针对职业视觉原型的社会学分析框架。后续研究进一步将其扩展至跨语言职业表征对比，并催生了融合职业社会学分类体系的生成模型评估基准，深刻影响了AI伦理与计算机视觉交叉领域的研究范式。

数据集最近研究