CelebA
Parent: ai_keywords
CelebA (大规模名人面部属性数据集)
核心定义
CelebA（Large-scale CelebFaces Attributes Dataset）是由香港中文大学开放的大规模人脸图像数据集，包含 202,599 张 来自 10,177 位 名人的面部图像。每张图像均标注了 40 种二值属性（如性别、微笑、戴眼镜、发色等），覆盖姿态、光照、表情等复杂变化。该数据集是计算机视觉中 人脸属性识别、生成对抗网络 及 人脸编辑 的基准平台。
关键技术点
- 大规模与多样性：20 万 + 图像、1 万 + 身份，提供充足训练样本；36 种姿态、光照和遮挡变体，增强模型泛化性。
- 多维属性标注：40 个语义属性（如“嘴部张开”“胡须”“刘海”），支持多标签分类，推动 细粒度人脸理解。
- 预对齐版本：提供裁剪对齐的人脸图像（CelebA-HQ 扩展至 1024×1024 分辨率），减少预处理成本，广泛用于 高分辨率生成。
- 零样本学习基石：常用于 面部属性编辑（如改变微笑状态而不影响身份），验证生成模型的解耦能力。
医学/神经科学应用场景（首都医科大学神经病学研究背景）
- 神经系统疾病的面部生物标志物提取：帕金森病（PD）患者常出现 “面具脸”（表情减少、眨眼频率降低、微笑不对称）。利用 CelebA 预训练的 属性分类模型（如“微笑”“闭双眼”“嘴部张开”），可迁移学习至 PD 患者视频数据，自动提取面部运动特征（如微笑幅度、对称性、眨眼间隔）。首都医科大学神经病学团队可结合此技术：
- 开发 远程监测系统，通过普通摄像头量化 PD 患者运动迟缓、肌强直的面部表现。
- 与面神经麻痹、肌萎缩侧索硬化（ALS）等疾病的面部肌力评估结合，实现 客观化评分，减少主观量表误差。
- 价值：利用 CelebA 的大规模、多样性优势，解决医学数据不足难题，推动 神经退行性疾病的早期筛查与进展评估。
