“涂鸦到油画的图像生成模型的训练集数据”是由我司自有绘画互动小程序产生的定向配对图像数据集，专门用于训练涂鸦到油画风格的图像生成模型。数据集内容由用户输入的随笔简画（涂鸦）及对应模型生成的油画结果图构成，形成“输入-输出”严格映射关系。每项数据包含六个结构化字段：涂鸦图片存储地址、涂鸦图片像素尺寸（宽×高）、涂鸦图片文件大小（KB/MB）、结果图存储地址、结果图像素尺寸（宽×高）、结果图文件大小（KB/MB）。数据集通过记录真实用户创作行为与模型输出，为图像生成模型提供高相关性训练样本，核心用途是优化涂鸦转油画风格生成算法的准确性与艺术表现力。

本数据集遵循严格的规范化流程，以确保数据高质量、合规可用。主要规则如下： （1）数据采集与预处理：数据源自自有微信小程序《奇妙设计师》，包含1000对用户涂鸦与模型生成图。预处理阶段经有效性校验与内容安全审核后，将所有图片统一为512x512像素的JPG格式。 （2）内容生成与结构化：采用自研AI模型，将用户涂鸦转化为油画风格图像，构建成对的“输入涂鸦-输出油画”数据。生成过程忠实于原图构图，并进行特定艺术风格化渲染。 （3）质量检测：通过自动化图像质量评估算法BRISQUE与人工审核进行双重质检。在自动筛查伪影、模糊等低质图像后，按20%比例进行人工抽检，重点评估构图忠实度、风格一致性与视觉美感。 （4）数据安全与合规：遵循《个人信息安全规范》（GB/T 35273-2020），对图像中可能存在的文字、签名等个人身份标识进行模糊化或裁剪处理，以保障用户隐私。 （5）最终归档：合格数据归档于./data/input（涂鸦）和./data/result（油画）目录。输入与输出图通过相同文件名精确匹配，均为sRGB色彩空间的JPG格式。

本数据集专用于优化涂鸦到油画风格的图像生成模型，具体覆盖以下场景： （1）生成算法训练与迭代：为AI研发团队提供真实用户涂鸦与油画结果的精准配对数据，解决合成数据导致的风格失真问题（如笔触生硬、色彩偏离），提升模型对用户随意笔触的理解力和艺术转化能力； （2）产品体验优化：支持绘画类小程序开发者通过分析用户涂鸦特征（如线条复杂度、填色区域）与生成结果的质量关联，针对性优化前端交互设计及后端生成引擎，降低用户创作门槛； （3）艺术风格可控性研究：为计算机视觉研究者提供可量化的风格转化样本（通过像素尺寸、文件大小等元数据分析生成效率），解决非配对数据集在风格一致性控制上的技术瓶颈。

顺序编号 涂鸦图片地址 涂鸦图片像素尺寸 涂鸦图片大小 结果图地址 结果图像素尺寸 结果图大小 1 ./samples/input\004dde35ad7d79fce3af57c43053f76erz512.jpg 512x512 18KB ./samples/result\004dde35ad7d79fce3af57c43053f76e.jpg 512x512 44KB 2 ./samples/input\006566c25744caefe81c5a47d52f8af7rz512.jpg 512x512 17KB ./samples/result\006566c25744caefe81c5a47d52f8af7.jpg 512x512 41KB 3 ./samples/input\00a8988f6367aab7919d9fa0a9897b58rz512.jpg 512x512 9KB ./samples/result\00a8988f6367aab7919d9fa0a9897b58.jpg 512x512 28KB 4 ./samples/input\00af92d69d5c59d

顺序编号 涂鸦图片地址 涂鸦图片像素尺寸 涂鸦图片大小 结果图地址 结果图像素尺寸 结果图大小 1 ./samples/input\004dde35ad7d79fce3af57c43053f76erz512.jpg 512x512 18KB ./samples/result\004dde35ad7d79fce3af57c43053f76e.jpg 512x512 44KB