camobench/CamoBench

CamoBench数据集是一个用于评估AI生成图像中伪装对象检测和编辑性能的数据集。它包含背景图像和伪装对象图像，其中对象图像有多个变体，如原始图像、黑色背景图像、深度图像等。数据集还提供了背景和对象的类别、描述以及生成提示和指令，支持条件生成、编辑和文本到图像任务。仓库结构包括生成的图像、原始图像、提示文件和评分文件，适用于多模型比较和性能评估。CamoBench is a dataset designed to evaluate the performance of camouflaged object detection and editing in AI-generated images. It comprises background images and camouflaged object images, where the object images come in multiple variants such as original images, black-background images, depth images, and more. The dataset also provides categories and descriptions for both backgrounds and objects, alongside generation prompts and instructions, enabling support for conditional generation, editing, and text-to-image tasks. The dataset's repository structure includes generated images, raw images, prompt files, and score files, making it suitable for multi-model comparison and performance evaluation.

搜集汇总

数据集介绍

构建方式

CamoBench数据集专为迷彩视觉错觉生成任务而设计，其构建过程体现了精细化的分层策略。数据集中包含128张背景纹理图像与128张隐藏物体参考图像，通过配对组合形成512个背景-物体样本对。背景纹理依据视觉特性划分为高频、结构化、方向性和低频四种类型；隐藏物体则涵盖文本元素、几何与形状、刚性物体、非刚性物体四大超类，并细分为12个子类别。每个样本均配备了面向三种生成范式的输入：文本到图像提示、基于指令的图像编辑指令以及图像条件生成的控制信号。此外，隐藏物体图像还衍生出六种变体，包括深度图、PTDiffusion处理信号、QR码怪兽控制信号等，以适配多样化的生成模型需求。

特点

CamoBench数据集的核心特点在于其系统性的评估框架与丰富的多样性。它提供了来自35种模型的生成结果，其中27个模型的结果由人工标注员在四个维度上进行评分：迷彩保真度、整体视觉质量、场景一致性与形状一致性。数据集结构清晰，包含独立的背景图像、隐藏物体图像及多种变体、提示文件以及评分结果存储为JSONL格式。统计数据显示，数据集共包含13,824张经过人工评分的图像，总计生成图像达17,920张，覆盖了从基础扩散模型到先进编辑方法的广泛技术谱系，为迷彩视觉错觉生成领域提供了标准化的评估基准。

使用方法

使用CamoBench数据集时，研究者可通过HuggingFace Datasets库便捷加载。加载代码为：`ds = load_dataset("camobench/CamoBench", split="train")`。加载后的数据集包含每个样本的唯一标识符、背景类别与描述、背景图像、物体超类与子类别描述、物体图像及其变体、生成提示与编辑指令等字段。研究者可基于这些字段提取特定生成范式的输入，或利用预先生成的模型输出与人工评分进行方法比较。该数据集特别适用于评估文本到图像生成、基于指令的图像编辑以及图像条件生成这三类任务中模型生成迷彩视觉错觉的能力，推动相关技术的进步。

背景与挑战

背景概述

伪装视觉幻觉生成（Camouflaged Visual Illusion Generation）旨在将目标物体隐匿于特定背景纹理中，生成看似自然却隐藏信息的图像，在安全通信、创意设计与视觉艺术等领域具有广泛应用前景。CamoBench由相关研究团队于近期构建，是一个专注于该任务的综合性基准数据集。该数据集包含512对背景-隐藏物体样本，覆盖高频、结构化、定向及低频四种背景纹理类型，以及文本元素、几何与形状、刚性物体、非刚性物体四大隐藏物体超类，细分为12个子类别。数据集为每对样本提供了文本到图像、基于指令的图像编辑及图像条件生成三种范式所需的输入，并组织35个模型生成结果，由人类标注者在幻觉保真度、整体视觉质量、场景一致性与幻觉形状一致性四个维度进行评估。CamoBench为伪装视觉幻觉生成领域提供了标准化的评估平台，推动了该方向研究的系统化发展。

当前挑战

该数据集所应对的领域核心挑战在于，现有生成模型难以在保持场景自然性的同时，将目标物体以高保真度隐匿于多样化的背景纹理中，实现视觉上的无缝融合与幻觉感知。具体而言，模型需处理不同频率与结构的背景纹理（如高频纹理可能掩盖细节，低频纹理则易暴露轮廓），并适应从文本到图像、图像编辑到条件生成等多种输入范式的差异。在数据集构建过程中，挑战同样显著：需精心设计128种背景纹理与128个隐藏物体，确保其覆盖广泛类型且组合均衡（每种背景类型在各子类别中均分布32对），同时为每对样本生成准确的文本提示与编辑指令，并组织大规模人工评估以获取可靠的多维度评分，这些工作耗费了大量的人力与计算资源。

常用场景

经典使用场景

在计算机视觉与图形学交叉领域，伪装视觉错觉生成是一项极具挑战性的任务，要求模型能够巧妙地将隐藏物体融入复杂背景纹理之中。CamoBench作为首个专为此任务设计的标准化基准数据集，提供了512组精心配对的背景与隐藏物体样本，涵盖高频、结构化、方向性与低频四类背景纹理，以及文本元素、几何形状、刚性物体与非刚性物体四大隐藏物体超类。该数据集最经典的用途在于系统性地评估文本到图像生成、基于指令的图像编辑以及图像条件生成三种主流范式下的模型性能。通过统一的数据格式与全面的评价维度——包括错觉保真度、整体视觉质量、场景一致性与错觉形状一致性——研究者能够公平客观地比较不同模型的伪装生成能力，从而推动该领域从定性展示走向定量评估。

解决学术问题

CamoBench数据集解决了伪装视觉错觉生成领域长期缺乏标准化评估基准的学术困境。在以往的研究中，不同工作通常使用自制数据集进行评测，导致结果难以横向比较，且评价指标多局限于主观判断，缺乏系统性的定量分析框架。该数据集通过引入多层次分类体系（4种背景类型×4个物体超类×12个细粒度子类）和四个核心评价维度，使得研究者能够精细地剖析模型在不同纹理复杂度和物体类别上的表现差异。其科学价值在于：一方面提供了可复现的评测协议，推动了文本到图像生成、图像编辑等子任务在伪装场景下的机理研究；另一方面，通过人类标注的大规模评分数据（超过13000张图像），为后续自动化评估指标的开发提供了珍贵的标注基准，对促进可视化错觉生成的理论探索和技术突破具有深远影响。

衍生相关工作

CamoBench数据集的出现催生了一系列具有深远学术价值的衍生研究工作。围绕该基准，研究者们首先在文本到图像生成领域探索了如何通过提示词工程来增强模型对伪装任务的响应能力，例如在SDXL和SD3.5等模型上对比分析了不同文本描述策略对生成错觉质量的影响。在基于指令的图像编辑方面，InstructPix2Pix与OmniGen2的对比工作揭示了编辑范式在处理背景与隐藏物体交互时的优势与局限。更重要的是，条件生成方向涌现了多种控制信号处理技术，如基于深度图的深度条件生成、利用QR码实现的纹理引导生成，以及通过Tile机制进行局部细节增强的方法。这些工作不仅验证了伪装生成任务对现有模型的挑战性，更反哺了通用图像生成和编辑技术的改进思路，推动了从专用数据集到通用算法提升的正向循环。