SmoothStyle

SmoothStyle是一个用于图像到图像风格迁移的数据集，提供连续的风格强度监督。每个样本包含一张内容图像、一张风格参考图像、一张风格化后的目标图像以及一个标量风格强度值。数据集共有1,812个内容-风格对，每个对包含10个不同强度级别（从0.1到1.0，步长0.1）的目标图像，总计18,120个样本。数据按照80/20的比例划分为训练集（1,449对，14,490个样本）和测试集（363对，3,630个样本）。内容图像来源于OmniStyle-150K数据集，风格图像部分来自Style30K数据集，部分由项目自行生成。风格化目标图像由数据集作者使用STROTSS（基于松弛最优传输和自相似性的风格迁移）方法生成。该数据集适用于可控图像风格迁移、连续风格强度条件学习、图像到图像生成及相关评估方法的研究。数据集为混合权利数据集，项目创作的元数据采用CC BY 4.0许可，第三方图像不提供统一许可。当前数据集尚未完全公开，需等待相关权利审查完成。SmoothStyle is a dataset for image-to-image style transfer, providing continuous style intensity supervision. Each sample consists of a content image, a style reference image, a stylized target image, and a scalar style intensity value. The dataset contains 1,812 content-style pairs, each with 10 target images at different intensity levels (from 0.1 to 1.0, step 0.1), totaling 18,120 samples. The data is split into training (1,449 pairs, 14,490 samples) and test (363 pairs, 3,630 samples) sets at an 80/20 ratio. Content images are sourced from the OmniStyle-150K dataset, style images partially from the Style30K dataset and partially generated by the project. Stylized target images are generated by the dataset authors using STROTSS (Style Transfer via Relaxed Optimal Transport and Self-Similarity). The dataset is suitable for research on controllable image style transfer, continuous style intensity conditioning, image-to-image generation, and related evaluation methods. The dataset is a mixed-rights dataset; metadata created by the project is licensed under CC BY 4.0, while third-party images do not have a unified license. The current dataset is not yet fully open, pending relevant rights review.

原始信息汇总

SmoothStyle 数据集详情

数据集概述

SmoothStyle 是一个用于图像到图像风格迁移的数据集，其核心特点是提供连续风格强度监督。每个样本包含一张内容图像、一张风格参考图像、一张风格化目标图像以及一个标量风格强度值。

数据集规模与划分

数据集包含 1,812 个内容-风格对，每对包含 10 个对应风格强度（0.1 至 1.0）的风格化目标图像，总计 18,120 个样本。

划分	对数	样本数
训练集	1,449	14,490
测试集	363	3,630
总计	1,812	18,120

划分策略：使用种子 42 和 80/20 比例，基于完整的 (content_id, style_id) 对进行划分，确保训练集和测试集之间的对 ID 和内容 ID 不重叠。该划分评估的是未见过的内容-风格对，而非严格的未见风格泛化。

数据格式

每个训练样本以 JSONL 行形式存储，包含以下字段：

• id、pair_id、content_id、style_id、strength_id、strength
• content_file_name、style_file_name、target_file_name
• style_source、generator

文件目录结构为：

data/ ├── train/ │ ├── metadata.jsonl │ ├── content/ │ ├── style/ │ └── target/s01 ... target/s10/ └── test/ ├── metadata.jsonl ├── content/ ├── style/ └── target/s01 ... target/s10/

强度 ID 1 至 10 分别映射到标量强度 0.1 至 1.0。

图像来源

• 内容图像：从 OmniStyle-150K 数据集的 content/ 集合中随机选取，该数据集声明为 Apache-2.0 许可，其内容图像由 FLUX 生成。
• 风格图像：以 0 开头的风格 ID 选自 Style30K；以 1 开头的风格 ID 由 SmoothStyle 项目生成。部分 Style30K 图像可能来源于 LAION-5B（元数据采用 CC BY 4.0，底层图像权利归原始权利人所有）。
• 风格化目标图像：由数据集作者使用 STROTSS（Style Transfer by Relaxed Optimal Transport and Self-Similarity）实现生成。

生成方法

风格化目标图像通过 STROTSS 算法生成。生成过程不会移除源内容或风格图像相关的权利，因此每个目标的版权状态取决于两个源图像的权利状态。

预期用途

该数据集适用于以下研究领域：

• 可控图像风格迁移
• 连续风格强度条件生成
• 图像到图像生成
• 相关评估方法

禁用场景：不得使用该数据集声称未见风格泛化、识别个人，或在未经适当许可的情况下复制或模仿在世艺术家。

许可信息

该数据集为混合权利数据集，标记为 license: other：

• 项目撰写的元数据采用 CC BY 4.0 许可
• 第三方图像不授予任何整体许可

相关许可文件包括 DATASET_LICENSE.md、THIRD_PARTY_NOTICES.md、LICENSES/CC-BY-4.0.txt 和 LICENSES/APACHE-2.0.txt。

发布状态

目前仓库结构和数据索引已准备就绪，但数据集在完成剩余 Style30K 逐图权利审查和项目生成的风格图像生成记录之前不得公开。联系人和正式的更正/下架地址也需在公开发布前添加。

可复现性与完整性

数据集提供以下元数据文件以确保可复现性：

• metadata/dataset_stats.json：数据集计数和来源类别
• metadata/split_manifest.json：确定性的配对成员列表
• metadata/sources.jsonl：每个资产的来源和权利状态
• metadata/checksums.sha256：SHA-256 校验和
• scripts/build_dataset.py：确定性构建脚本
• scripts/validate_dataset.py：结构、图像解码、划分和校验和验证

引用要求

使用该数据集时需引用三篇论文：

1. SmoothStyle 论文（arXiv:2608.08125）
2. OmniStyle（CVPR 2025）——内容图像子集的来源
3. STROTSS（CVPR 2019）——风格化目标图像的生成方法

搜集汇总

数据集介绍

构建方式

SmoothStyle数据集构建于图像风格化研究的前沿领域，旨在解决连续风格强度控制这一关键挑战。该数据集包含1,812对内容-风格图像对，每对通过STROTSS算法生成十个强度梯度（0.1至1.0）的风格化目标图像，共计18,120个样本。数据构建严格遵循可复现性原则，采用种子42进行80/20的配对级划分，确保训练与测试集在内容-风格对层面无重叠，并附有详细的源图像溯源记录（包括OmniStyle-150K内容图像与Style30K风格图像）及SHA-256校验和，以保障数据完整性与权利合规性。

使用方法

SmoothStyle数据集可通过HuggingFace的`datasets`库轻松加载，使用`load_dataset("ORG/SmoothStyle")`即可获取训练和测试划分，每个样本以字典形式提供内容图像、风格图像、目标图像及强度值。为便于本地使用，亦支持`imagefolder`方式加载。该数据集适用于训练可控风格迁移模型、连续风格强度调节网络及图像到图像生成任务。用户需注意，数据集采用混合权利许可，项目元数据遵循CC BY 4.0，而第三方图像权利不受许可覆盖；使用者应遵守相应版权规定并引用相关论文（SmoothStyle、OmniStyle、STROTSS）以尊重学术贡献。

背景与挑战

背景概述

SmoothStyle数据集诞生于2026年，由Rui Xu、Hanmo Zhang和Songhua Liu等学者提出，旨在攻克图像风格迁移中连续风格强度控制这一前沿课题。该数据集精心构建了1,812对内容-风格图像对，每对包含10个不同风格强度（0.1至1.0）的迁移目标，总计18,120个训练样本。其核心创新在于引入标量风格强度监督信号，使得模型能够平滑调节风格化程度，突破了传统风格迁移方法二值化处理的局限。数据集依托STROTSS算法生成目标图像，并沿用了OmniStyle-150K的内容图像与Style30K的风格图像资源，为可控图像生成、连续风格条件建模及评估方法研究提供了标准化基准。其发布有望推动风格化生成技术向更精细、更可控的方向演进，在数字艺术、图像编辑等领域具有广阔应用前景。

当前挑战

SmoothStyle数据集面临的挑战涵盖领域难题与构建困境。领域层面，图像风格迁移需在保持内容结构完整性与风格特征忠实表达间取得平衡，而连续风格强度学习更要求模型精确理解风格化程度与视觉感知的非线性关系，现有评价指标难以客观度量生成质量与连续性。构建过程中，数据来源复杂多样，包含OmniStyle-150K的生成内容图像、Style30K的混合来源风格图像及项目自生成部分，导致知识产权归属模糊，需逐项审查权利状态，尤其涉及LAION-5B元数据下原始图像的版权边界。此外，生成目标图像依赖于STROTSS算法，其计算开销大，且生成过程不消除源图像权利，进一步加剧了合规风险。数据集暂缓公开以完成完整性审查，正是这种复杂产权环境的直接反映，也凸显了构建大规模、可合法使用的风格迁移数据集的系统性挑战。

常用场景

经典使用场景

SmoothStyle数据集在图像风格迁移与可控生成领域树立了新的标杆。其核心特色在于为每一对内容-风格图像提供了从0.1到1.0连续十级风格强度的精细标注，这一设计使研究者能够深入探索风格化程度与视觉表现之间的连续映射关系。通常，该数据集被用于训练和评估基于连续风格强度条件的图像到图像转换模型，特别是在需要细腻控制风格混合比例的生成任务中，其高密度的强度梯度为算法提供了前所未有的监督信号，从而推动了风格化图像从离散到连续变换的范式演进。

解决学术问题

该数据集直面了传统风格迁移研究中风格强度控制粗糙、过渡不自然的关键难题。通过引入逐样本的标量强度监督，SmoothStyle为模型学习平滑的风格插值路径提供了数据基础，有效解决了风格化过程中内容结构保持与风格表达强度之间平衡的学术挑战。其严谨的划分策略——基于完整内容-风格对而非单一图像的80/20分割——确保了模型评估能真实反映对新内容-风格组合的泛化能力，为风格迁移领域的可复现性研究设立了更高标准。

实际应用

在实际应用层面，SmoothStyle为创意产业中的图像编辑工具提供了核心支撑。其连续强度控制特性使得设计师能够精确调节艺术化渲染的浓淡，实现从原图到完全风格化之间的任意中间状态，这在广告海报制作、影视特效预演、虚拟角色设计等场景中具有直接价值。此外，该数据集还赋能了渐进式图像风格化应用，如实时预览不同风格强度下的视觉效果，从而大幅提升交互式创作流程的灵活性与用户体验，为商业级图像处理软件的智能化升级铺平了道路。

数据集最近研究

最新研究方向

SmoothStyle数据集代表了图像风格迁移领域的一项前沿探索，其核心贡献在于引入了连续风格强度监督机制，使风格化过程从离散的二元转换跃升为可精细调控的连续谱系。该数据集基于STROTSS算法生成，结合了OmniStyle-150K的内容图像与Style30K及项目自生成的风格参考，构建了包含18,120个样本的丰富资源，为可控图像风格化、风格强度条件生成及图像到图像翻译等研究方向提供了坚实的实验基础。其发布不仅推动了风格迁移技术向更细腻、更具表现力的方向发展，也为评估生成模型在风格连续性控制上的性能设立了新的基准，对个性化内容创作与艺术风格模拟领域具有重要的促进意义。