tpremoli/CelebA-attrs

CelebA-128x128数据集包含128x128分辨率的图像和多个二进制属性特征，如5_o_Clock_Shadow、Arched_Eyebrows等。数据集已经分为训练集、验证集和测试集。

原始信息汇总

数据集概述

数据集名称

CelebA-128x128

数据集描述

CelebA with attrs at 128x128 resolution. The attributes are binary attributes. The dataset is already split into train/test/validation sets.

数据集特征

• image (dtype: image)
• 5_o_Clock_Shadow (dtype: int64)
• Arched_Eyebrows (dtype: int64)
• Attractive (dtype: int64)
• Bags_Under_Eyes (dtype: int64)
• Bald (dtype: int64)
• Bangs (dtype: int64)
• Big_Lips (dtype: int64)
• Big_Nose (dtype: int64)
• Black_Hair (dtype: int64)
• Blond_Hair (dtype: int64)
• Blurry (dtype: int64)
• Brown_Hair (dtype: int64)
• Bushy_Eyebrows (dtype: int64)
• Chubby (dtype: int64)
• Double_Chin (dtype: int64)
• Eyeglasses (dtype: int64)
• Goatee (dtype: int64)
• Gray_Hair (dtype: int64)
• Heavy_Makeup (dtype: int64)
• High_Cheekbones (dtype: int64)
• Male (dtype: int64)
• Mouth_Slightly_Open (dtype: int64)
• Mustache (dtype: int64)
• Narrow_Eyes (dtype: int64)
• No_Beard (dtype: int64)
• Oval_Face (dtype: int64)
• Pale_Skin (dtype: int64)
• Pointy_Nose (dtype: int64)
• Receding_Hairline (dtype: int64)
• Rosy_Cheeks (dtype: int64)
• Sideburns (dtype: int64)
• Smiling (dtype: int64)
• Straight_Hair (dtype: int64)
• Wavy_Hair (dtype: int64)
• Wearing_Earrings (dtype: int64)
• Wearing_Hat (dtype: int64)
• Wearing_Lipstick (dtype: int64)
• Wearing_Necklace (dtype: int64)
• Wearing_Necktie (dtype: int64)
• Young (dtype: int64)
• prompt_string (dtype: string)

数据集划分

• train
  • num_bytes: 1209620544.21
  • num_examples: 162770
• validation
  • num_bytes: 148733684.292
  • num_examples: 19962
• test
  • num_bytes: 149605611.301
  • num_examples: 19867

数据集大小

• download_size: 1424899346
• dataset_size: 1507959839.803

许可证

mit

任务类别

• feature-extraction
• image-classification
• image-feature-extraction

大小类别

• 100K<n<1M

搜集汇总

数据集介绍

构建方式

CelebA-attrs数据集源自经典的大规模人脸属性识别研究，其构建以CelebA数据集为基础，将原始图像统一缩放至128×128像素分辨率，并保留了40项二值人脸属性标注。数据集被严谨地划分为训练集、验证集和测试集，其中训练集包含162,770个样本，验证集与测试集分别包含19,962和19,867个样本，为模型训练与评估提供了标准化的数据划分。

特点

该数据集的显著特点在于其丰富的属性标注体系，涵盖了从发型特征（如金发、黑发）到面部细节（如高颧骨、酒窝）的40个二值属性，每个属性以0或1明确标识是否存在。此外，数据集额外提供了prompt_string字段，便于文本引导的图像生成任务。高分辨率与统一尺寸的设计使得该数据集在人脸属性识别、特征提取及图像生成领域具有广泛适用性。

使用方法

该数据集通过HuggingFace Datasets库加载，支持直接调用train、validation和test三个预定义划分。用户可利用image字段获取图像数据，结合各属性字段进行多标签分类或属性预测任务。对于图像生成场景，可借助prompt_string字段构建文本-图像对。数据集采用MIT许可证，便于学术研究与商业应用中的自由使用与二次开发。

背景与挑战

背景概述

CelebA（CelebFaces Attributes）数据集由香港中文大学汤晓鸥教授团队于2015年创建，是计算机视觉与人脸分析领域最具影响力的基准数据集之一。该数据集包含超过20万张名人面部图像，每张图像标注了40种二值属性，涵盖发型、面部特征、配饰等多元维度，为细粒度人脸属性识别与生成任务提供了标准化研究平台。其高分辨率版本（128×128像素）在保留关键细节的同时平衡了计算效率，广泛应用于人脸编辑、属性预测及生成对抗网络（GAN）的性能评估。该数据集不仅推动了人脸理解技术的进步，更成为检验深度学习模型在复杂现实场景下泛化能力的经典测试床。

当前挑战

当前CelebA数据集面临的核心挑战集中于三个层面：首先，属性标注的稀疏性与不平衡性导致模型对少数类（如“秃头”“双下巴”）识别准确率显著低于常见属性，亟需设计鲁棒的长尾分布学习策略。其次，数据集构建时存在标签噪声与主观歧义问题（如“有魅力”等抽象属性），使得模型训练易受标注偏差干扰。此外，基于名人图像的公开数据集引发隐私与伦理争议，需在学术研究与社会责任间建立平衡——如何在保障个体肖像权的前提下持续推动人脸分析技术迭代，已成为该领域不可回避的瓶颈问题。

常用场景

经典使用场景

CelebA-attrs数据集以其丰富的人脸属性标注和高分辨率图像（128×128像素），成为计算机视觉领域中人脸属性识别与多标签分类任务的经典基准。该数据集包含超过20万张名人面部图像，每张图像配备40个二元属性标签，涵盖发型、五官特征、面部表情及配饰等维度，为研究者提供了大规模、多样化的训练与评估样本。其标准化的训练/验证/测试划分方案，使得模型性能对比具备高度可复现性，广泛应用于深度卷积神经网络、注意力机制及视觉Transformer等架构的属性预测能力验证。

解决学术问题

该数据集有效解决了人脸属性识别研究中长期存在的数据规模不足与标注维度单一的问题。通过提供海量且属性高度异构的标注数据，CelebA-attrs推动了多标签分类、细粒度特征学习及属性间关联建模等学术难题的突破。研究者得以系统性地探索人脸属性在遮挡、光照变化及姿态偏移等复杂条件下的鲁棒表征方法，显著提升了模型对真实场景中人脸语义信息的理解能力。该数据集的出现，为后续人脸分析领域从单一任务向多任务联合学习范式的演进奠定了坚实的数据基础。

衍生相关工作

基于CelebA-attrs数据集的启发，学术界衍生出众多具有深远影响的经典工作。其中，StarGAN系列模型利用该数据集作为多域图像翻译的基准，开创性地实现了人脸属性编辑的统一框架；StyleGAN系列生成模型则依赖其属性标注进行解耦表征学习，推动了可控人脸合成技术的发展。此外，众多半监督与自监督学习方法，如SimCLR与BYOL，常以该数据集作为属性预测任务的预训练评估平台。这些衍生工作不仅深化了人脸理解的理论体系，还催生了工业级人脸编辑与生成产品的落地。