中国古代瓷器“物理尺寸”与“多模态特征”融合数据

1. 基于物理约束的AIGC：在生成式AI应用中，不仅可以指定生成图像的“风格”，还可以指定其“尺寸”，例如“生成一个高20cm，具有某某藏品风格的梅瓶”，使得AI生成内容更具实用性。 2. 器物造型演化规律的量化研究：通过分析物理尺寸（如高径比）与视觉向量在不同朝代、不同窑口之间的统计学关系，可以量化地研究器物造型的演变规律。 3. 高精度估值模型：将物理尺寸作为关键特征加入估值模型，可以显著提升模型对器物尺寸差异的敏感度，从而获得更精准的价格预测。1. AIGC with Physical Constraints: In generative AI applications, users can specify not only the "style" but also the "dimensions" of the generated images. For example, "generate a plum vase with a height of 20 cm and the style of a certain collection", which enhances the practicality of AI-generated content. 2. Quantitative Research on Evolution Laws of Artifact Shapes: By analyzing the statistical correlations between physical dimensions (e.g., height-to-diameter ratio) and visual vectors across different dynasties and kiln sites, the evolution patterns of artifact shapes can be quantitatively investigated. 3. High-Precision Valuation Model: Incorporating physical dimensions as a key feature into the valuation model can significantly enhance the model's sensitivity to differences in artifact dimensions, thereby enabling more accurate price predictions.

搜集汇总

背景与挑战

背景概述

该数据集是中国古代瓷器的物理尺寸与多模态特征融合数据，包含高度、口径等物理测量值和4048维图文融合向量。数据集支持AIGC内容生成、器物造型演化研究和瓷器估值模型等应用场景，采用CSV格式存储并通过正则表达式提取和融合规则处理原始数据。