diecamera-crops

dieCamera 裁剪骰子数据集（dieCamera per-die crops）是一个用于图像分类任务的数据集，包含每颗物理骰子的裁剪图像，并标注了骰子类型（d4、d6、d8、d10、d12、d20）和朝上的面值（d10 可能为 0）。该数据集是 dieCamera 离线值读取器的简化训练集，dieCamera 是一款监控骰子盘并将投掷结果发布到虚拟桌面的应用程序。数据集的图像来源于两个途径：一是作者自己的网络摄像头（source 标记为 'rig'），二是来自 Roboflow Universe 的第三方图像（source 标记为 'roboflow:<fork>'）。数据集规模小于 10K 个样本。数据采用 Hugging Face 标准 imagefolder 布局，每个裁剪图像存储在 data/ 目录下，同时包含一个 metadata.jsonl 文件，每行对应一个样本的元数据。字段包括：file_name（图像文件名）、source（数据来源，rig 或 roboflow:<fork>）、type（骰子类型）、value（面值）、date（捕获日期或发布日期）、added_at（样本首次加入数据集的日期，可用于增量训练筛选）、holdout（布尔值，表示是否保留用于评估，训练时应过滤掉）。所有骰子的面值都经过人工确认或通过提示验证，确保可靠。数据集采用混合许可证：rig 来源的数据使用 CC BY-NC 4.0 许可证（仅限非商业用途，商业使用需授权）；roboflow 来源的数据使用 CC BY 4.0 许可证（商业可用，需署名）。标签（type 和 value）是 G-G-Games 的原创工作，也采用 CC BY-NC 4.0 许可证。dieCamera per-die crops is a dataset for image classification tasks, containing cropped images of each physical die, annotated with die type (d4, d6, d8, d10, d12, d20) and the upward face value (d10 may be 0).

原始信息汇总

dieCamera 骰子裁剪数据集

数据集概述

该数据集为 dieCamera 应用提供每颗骰子的独立裁剪图像，每张图像标注骰子类型和朝上的面值，用于离线骰子读数器的训练。数据集规模小于 10K 张，属于图像分类任务，语言为英语。

数据布局与 Schema

采用标准 Hugging Face imagefolder 格式，可通过 load_dataset("G-G-Games/diecamera-crops") 直接加载，无需额外配置。数据包含：

• 图像文件：data/<file>.jpg，为单颗骰子的裁剪图（含边界框及少量边距）
• 元数据文件：data/metadata.jsonl，每行对应一个裁剪样本

字段说明

字段	类型	含义
file_name	string	裁剪图像文件名
source	string	数据来源：rig（自有摄像头）或 roboflow:<fork>（第三方图像）
type	string	骰子类型：d4、d6、d8、d10、d12、d20
value	int	朝上的面值（d10 可能为 0）
date	string	采集日期（rig 来源）或第三方数据源的发布日期
added_at	string	该样本首次加入数据集的日期，可用于增量训练筛选
holdout	bool	是否保留用于评估（训练时应过滤掉）

训练建议

• 训练时应排除评估样本：ds.filter(lambda r: not r["holdout"])
• 可利用 added_at 字段实现增量微调，仅处理新增样本

标注可信度

所有骰子的面值标注均为可信：自有摄像头采集的骰子经人工确认或按提示放置；Roboflow 来源的骰子经人工审查并确认。

许可证信息

数据集采用混合许可证，具体根据 source 字段区分：

来源	许可证	说明
rig	CC BY-NC 4.0 © G-G-Games	仅限个人免费使用，商业使用需获得许可
roboflow:<fork>	CC BY 4.0 © 原作者	允许商业使用，需注明出处

所有样本的标签均为 G-G-Games 原创（CC BY-NC 4.0）。完整条款见 LICENSE-NC.md。

Roboflow 来源归属（CC BY 4.0）

roboflow: 来源的裁剪图源自以下 Roboflow Universe 数据集（经过裁剪修改，并添加了自有面值标签）：

• roboflow:200_dataset：原作者 vkr-55xr7，数据集见 https://universe.roboflow.com/vkr-55xr7/200_dataset
• roboflow:d4-turbo-rad-v4：原作者 turbo-rad，数据集见 https://universe.roboflow.com/turbo-rad/d4-bmzdm

完整溯源记录见 ATTRIBUTIONS.md。

关联资源

完整画面帧及多骰子检测训练数据见配套数据集 G-G-Games/diecamera-frames，本数据集的裁剪图即源自该数据集的完整画面。

搜集汇总

数据集介绍

构建方式

该数据集源自dieCamera项目，旨在为桌面角色扮演游戏中的骰子识别提供训练数据。构建方式严谨且透明，每个骰子被裁剪为单张图像，并标注其类型与朝上的面值。数据来源分为两类：一是自采的rig数据，经人工确认或预设提示放置；二是来自Roboflow Universe的第三方图像，经人工复核后采用。所有数据以标准的imagefolder布局存储，包含元数据文件，记录来源、类型、数值、日期及加入时间等关键信息。此外，数据集明确划分了训练与评估子集，通过holdout标志区分，确保模型评估的公正性。构建过程注重数据溯源，每一行均标注来源与许可证，体现了良好的数据治理规范。

特点

该数据集的核心特点在于其精细的标注与分层设计。每张裁剪图像均关联可靠的骰子面值，标注过程结合人工确认与自动提示，确保标签准确性。数据按骰子类型（d4至d20）分类，支持多类别图像分类任务。其独特性体现在动态更新机制：通过added_at字段，支持增量微调，仅处理新增数据，提升训练效率。同时，数据集采用混合许可证结构，明确区分不同来源数据的授权条款，既保护原创者权益，又允许合规使用。这一设计兼顾了数据质量、可扩展性与法律合规性，为骰子识别领域提供了高质量的训练资源。

使用方法

数据集的使用极为便捷，通过HuggingFace的load_dataset函数可直接加载，无需额外配置。建议训练时先过滤掉holdout为True的评估样本，再根据added_at字段筛选最新数据，实现增量学习。对于商业用途，需仔细核对source列对应的许可证，遵守CC BY-NC或CC BY条款。数据集的元数据提供了丰富的过滤选项，便于构建定制化的训练集。该数据集不仅适用于骰子值识别模型的训练，还可作为基准数据集评估算法性能。其清晰的架构和丰富注释，降低了研究者与开发者的使用门槛，促进了TTRPG自动化工具的发展。

背景与挑战

背景概述

该数据集由G-G-Games团队于近期创建，旨在支持桌面角色扮演游戏（TTRPG）中骰子读取应用的离线识别功能。研究核心聚焦于多面体骰子（d4至d20）的自动分类与面值识别，服务于虚拟桌面（VTT）场景下骰子投掷结果的自动记录。数据集包含近万张裁剪后的骰子图像，每张图像对应一个物理骰子，并标注了骰子类型与朝上的面值。其构建融合了自采数据（rig）与第三方Roboflow数据，通过人工审核确保标注的可靠性。该数据集为骰子识别领域提供了首个标准化基准，推动了计算机视觉在桌游辅助工具中的应用，对增强现实与辅助游戏体验具有潜在影响力。

当前挑战

领域挑战在于多面体骰子的视觉识别：骰子形状多样（如d4的三角锥体）、面值印刷样式多变、光照与角度变化大，且需高精度实时识别以满足游戏流畅性。构建过程中，数据来源混合带来许可复杂性（CC BY-NC与CC BY需区分），需细致的归属管理；自采数据依赖人工确认，成本高且易出错；crops提取需精确包围盒，边缘误差可能影响识别；数据规模有限（<10K），需通过增量微调和holdout划分来优化训练与评估，防止过拟合，确保模型的泛化能力。

常用场景

经典使用场景

该数据集以多面骰子（d4至d20）的裁剪图像为核心，构建了带有精确面值与骰子类型标注的图像分类基准。其经典用途在于训练和评估计算机视觉模型对桌面角色扮演游戏（TTRPG）中骰子读数识别任务，尤其适合基于卷积神经网络或视觉Transformer的小样本分类研究。数据集规模虽小（n<10K），但涵盖了六种标准多面骰子，且每张图像均经人工确认，确保了标注的可靠性，为研究者提供了一个标准化、可控的测试平台。

解决学术问题

该数据集解决了桌面游戏数字化过程中骰子自动识别的核心学术问题，即如何在复杂光照和视角下准确分类多面骰子的类型与朝上面值。传统图像分类数据集多聚焦于自然物体或通用场景，缺乏针对多面骰子的专业标注数据，导致相关研究难以复现和比较。此数据集的发布填补了这一空白，研究者可据此开发鲁棒的骰子检测与识别算法，推动增强现实、游戏自动化等领域的进步，并为小样本学习、领域适应等机器学习子领域提供了新的实验载体。

衍生相关工作

该数据集与配套的完整帧数据集（diecamera-frames）共同构成了一个完整的骰子视觉识别工作流，前者用于单骰子细粒度分类，后者用于多骰子检测。其设计理念（如通过`added_at`字段支持增量训练）为后续研究提供了可扩展的训练框架。衍生工作可能包括基于该数据集训练的实时骰子识别模型，以及集成到虚拟桌面中的自动投骰记录功能。此外，数据集的开源属性和详细标注规范也鼓励了社区贡献，例如扩展更多骰子类型或提高标注精度，从而形成一个持续演化的数据集生态。