Visual Persona-500K|人体图像识别数据集|全身人体定制数据集

arXiv2025-03-20 更新2025-03-21 收录

人体图像识别

全身人体定制

下载链接：

https://cvlab-kaist.github.io/Visual-Persona

下载链接

链接失效反馈

资源简介：

Visual Persona-500K是由韩国科学技术院(KAIST AI)和Adobe Research创建的大型数据集，包含580k张配对的人体图像，涵盖100k个独特身份。该数据集通过视觉语言模型评估人体外观一致性，生成详细文本描述，以区分个体身份和图像内的变化。数据集广泛应用于全身人体定制领域，解决了文本对齐和身份保持两大关键问题，可应用于虚拟试穿、人体风格化和角色定制等多种应用场景。

提供机构：

韩国科学技术院(KAIST AI), Adobe Research

创建时间：

2025-03-20

AI搜集汇总

数据集介绍

构建方式

Visual Persona-500K数据集的构建采用了大规模成对人类数据，确保每个个体的全身外观一致性。通过从大量未配对的人类图像库中筛选，利用视觉语言模型（VLM）评估全身视觉一致性，并结合详细的文本描述来解耦个体身份与文本提示中的个体内部变化。最终，该数据集包含580,000张带有文本描述的图像，涵盖100,000个独特的全身身份。

特点

Visual Persona-500K数据集的特点在于其大规模的成对图像和全身外观一致性。每个个体包含多个图像，确保身份的一致性，同时通过文本描述捕捉个体在不同场景和动作中的变化。数据集涵盖了广泛的种族、年龄和性别多样性，并且通过身体解析方法将图像分割为多个身体区域，进一步增强了数据的多样性和细节。

使用方法

Visual Persona-500K数据集主要用于训练和评估全身人类定制模型。通过输入单张人类图像和文本描述，模型能够生成多样化的定制图像，同时保持输入图像的全身外观一致性。该数据集支持多种下游任务，如文本引导的虚拟试穿、人类风格化和角色定制。使用该数据集时，研究人员可以通过调整模型参数来平衡身份保持和文本对齐，从而生成高质量的定制图像。

背景与挑战

背景概述

Visual Persona-500K数据集由KAIST AI和Adobe Research的研究团队于2025年提出，旨在解决全身体人像定制问题。该数据集包含58万张配对的全身人像图像，涵盖10万个独特的身份。与以往专注于面部识别的数据集不同，Visual Persona-500K通过文本描述生成多样化的全身人像图像，推动了文本到图像生成领域的发展。该数据集的构建基于大规模配对人像数据的需求，解决了传统方法中难以获取多张同一身份图像的问题。通过视觉语言模型（VLM）评估全身外观一致性，Visual Persona-500K为全身体人像定制提供了坚实的基础，广泛应用于虚拟试衣、人像风格化和角色定制等领域。

当前挑战

Visual Persona-500K在构建和应用过程中面临多重挑战。首先，获取大规模配对人像数据极为困难，传统方法通常依赖单张图像，难以保持全身外观的一致性。其次，生成图像时需同时满足文本对齐和身份保持的要求，尤其是在复杂的身体结构和场景变化下，确保生成的图像既符合文本描述，又保留输入图像的身份特征。此外，预训练的文本到图像扩散模型在生成人体图像时容易出现身体比例不准确的问题，如手指融合或多余肢体。尽管通过负向提示词可以部分缓解这一问题，但仍需进一步优化模型以生成更自然的人体图像。

常用场景

经典使用场景

Visual Persona-500K数据集在文本到图像生成领域中被广泛用于全身人物定制任务。通过输入单张人物图像和文本描述，模型能够生成与文本描述高度一致且保持全身外观一致性的多样化图像。这一经典使用场景涵盖了虚拟试衣、人物风格化以及角色定制等多个应用方向，极大地推动了生成模型在人物定制领域的发展。

衍生相关工作

Visual Persona-500K数据集衍生了许多相关经典工作，特别是在全身人物定制和文本到图像生成领域。基于该数据集的研究提出了多种改进模型，如基于Transformer的编码器-解码器架构，进一步提升了生成图像的质量和多样性。此外，该数据集还推动了虚拟试衣、人物风格化等应用的发展，衍生出如StoryMaker、PhotoMaker等经典模型，极大地扩展了生成模型的应用范围。

数据集最近研究

相关研究论文

1
Visual Persona: Foundation Model for Full-Body Human Customization韩国科学技术院(KAIST AI), Adobe Research · 2025年

以上内容由AI搜集并总结生成

用户留言

有没有相关的论文或文献参考？

这个数据集是基于什么背景创建的？

数据集的作者是谁？

能帮我联系到这个数据集的作者吗？

这个数据集如何下载？

点击留言

数据主题

具身智能

数据集 4098个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

5,000+

优质数据集

54 个

任务类型

进入经典数据集

热门数据集

中国区域交通网络数据集

该数据集包含中国各区域的交通网络信息，包括道路、铁路、航空和水路等多种交通方式的网络结构和连接关系。数据集详细记录了各交通节点的位置、交通线路的类型、长度、容量以及相关的交通流量信息。

data.stats.gov.cn 收录

UIEB, U45, LSUI

本仓库提供了水下图像增强方法和数据集的实现，包括UIEB、U45和LSUI等数据集，用于支持水下图像增强的研究和开发。

github 收录

中国气象数据

本数据集包含了中国2023年1月至11月的气象数据，包括日照时间、降雨量、温度、风速等关键数据。通过这些数据，可以深入了解气象现象对不同地区的影响，并通过可视化工具揭示中国的气温分布、降水情况、风速趋势等。

github 收录

中国高分辨率高质量PM2.5数据集（2000-2023）

ChinaHighPM2.5数据集是中国高分辨率高质量近地表空气污染物数据集（ChinaHighAirPollutants, CHAP）中PM2.5数据集。该数据集利用人工智能技术，使用模式资料填补了卫星MODIS MAIAC AOD产品的空间缺失值，结合地基观测、大气再分析和排放清单等大数据生产得到2000年至今全国无缝隙地面PM2.5数据。数据十折交叉验证决定系数R2为0.92，均方根误差RMSE为10.76 µg/m3。主要范围为整个中国地区，空间分辨率为1 km，时间分辨率为日、月、年，单位为µg/m3。注意：该数据集持续更新，如需要更多数据，请发邮件联系作者（weijing_rs@163.com; weijing@umd.edu）。数据文件中包含NC转GeoTiff的四种代码（Python、Matlab、IDL和R语言）nc2geotiff codes。

国家青藏高原科学数据中心收录

Solar Radiation Data

该数据集包含全球多个地点的太阳辐射数据，涵盖了不同时间段和气象条件下的辐射强度。数据包括直接辐射、散射辐射和总辐射等指标，适用于太阳能资源评估和气候研究。