不可见背面缺失
现有唐卡主尊图像大多以正面视图为主，后脑、肩背、躯干背侧、衣饰背面及其他不可见区域缺少直接观测。仅依赖单幅正面图像时，模型难以获得稳定的背面结构监督，也难以建立完整的前后空间关系。
Motivation
为什么构建这个数据集
现有唐卡主尊图像资源主要面向二维记录与展示，难以直接满足跨视图学习和三维重建对正背对应关系与结构监督的需求。“梵像双生”围绕主尊主体构建显式 Front–Back 配对，为不可见区域补全与三维结构建模提供结构化数据基础。
正背对应监督不足
常见二维图像通常以彼此独立的单张样本存在，缺少同一主尊在 Front 与 Back 之间的显式对应关系。模型因此难以学习轮廓、姿态、服饰、手部及局部结构在不同视角之间的对应与一致性，也限制了跨视图生成与结构推理能力。
三维结构线索有限
二维唐卡图像能够清晰表达色彩、纹样与主体外观，但对厚度、遮挡关系、前后层次、曲率和体积结构的表达仍然有限。单视图条件下，背面形态和空间结构具有较强的不确定性，容易导致三维重建中的几何缺失或结构不稳定。
Core Data Design
以 Pair 为基本数据单元
针对上述问题，“梵像双生”以具有显式对应关系的 Front–Back Pair 为基本数据单元，而非彼此孤立的单张图像，并同步提供 RGB、RGBA 与 Alpha Mask 三种数据形态，为跨视图学习、新视角生成与三维重建提供结构化的数据支持。
输入视图
Front
对应视图
Back
RGB 白底图像
RGB White以统一白色背景承载前景，兼容常见 RGB 视觉模型和三维重建输入。
RGBA 透明图像
RGBA Transparent保留 Alpha 通道与前景边界，便于重新合成背景或建立透明纹理。
Alpha 掩膜
Alpha Mask以灰度掩膜提供显式轮廓，用于分割监督、轮廓约束、边界质量分析与前景区域度量。
Data Samples
同一数据单元的多种形态
以同一 Front–Back Pair 为例，展示两个对应视图与三种数据形态之间的关系。
每个 Front–Back Pair 包含两个对应视图，每个视图同步提供 RGB、RGBA 和 Alpha Mask 三种数据形式。
Dataset Overview
数据概览
正式数据以完整正背视图对（Front–Back Pair）为边界，三种资产形态严格对应。
12主尊类别Classes
396完整正背视图对Pairs
792独立图像Images
2376数据资产Assets
正式数据包含 396 组完整正背视图对（Front–Back Pair），共 792 张独立图像。每张图同步提供 RGB、RGBA、Alpha Mask 三种数据形态，因此形成 2376 个数据资产文件。
396 Pairs × 2 Views = 792 Images
792 Images × 3 Formats = 2376 Assets
Twelve Categories
12 类唐卡主尊
类别用于组织具有不同轮廓、姿态、冠饰、法器和莲座结构的视觉样本。
Construction Workflow
数据构建流程
从类别体系、视图生成到完整性验证，以 Pair 为边界组织和清洗数据。
- 阶段 A数据规划与视图构建
- 01类别体系设计建立 12 类唐卡主尊的统一类别编码与命名体系。
- 02正背视图生成围绕同一主尊构建具有显式对应关系的 Front–Back 视图。
- 03样本配对与初筛检查正背对应关系，移除明显错误、缺失或不完整样本。
- 阶段 B主体数据标准化
- 04BiRefNet 主体分割提取主尊前景，获得稳定的主体边界与透明区域。
- 05RGB / RGBA / Alpha 生成同步生成白底 RGB、透明 RGBA 和 Alpha Mask 三种数据形态。
- 阶段 C质量控制与正式发布
- 06自动质量检测检查文件可读性、尺寸、透明通道和配对完整性。
- 07异常样本剔除移除异常 Pair 与单侧未配对样本，避免错误数据进入正式集。
- 08连续重编号按类别与样本顺序重新编号，保证命名连续、可追踪。
- 09完整性验证核验 Front–Back Pair、三类资产和最终文件数量是否一致。
12Classes
396Pairs
792Images
2376Assets
Quality Control
结构与文件质量控制
质量控制验证发布包是否满足已定义的数据完整性和格式约束。
清洗记录：17 组异常 Pair 被整体移出正式数据，15 张单侧未配对图像被移出。
这里的“通过”不等同于对图像宗教真实性、艺术史准确性或三维重建性能作出认证。
Applications
应用场景
作为面向计算任务的合成补充数据资源，为相关研究提供结构化输入。
跨视图学习
- 正面到背面生成
- 跨视图匹配
- 新视角合成
显式 Front–Back Pair 为模型提供稳定的跨视图对应关系，可用于学习同一主尊在不同视角之间的结构与外观一致性。
三维数字化
- 单图三维重建
- 多视图三维重建
- 纹理补全
正背结构信息与透明前景数据可用于补充不可见区域，并为几何恢复、纹理重建与外观补全提供结构化输入。
视觉任务
- 前景分割
- 轮廓监督
- 掩膜引导学习
RGBA 与 Alpha Mask 提供清晰的主体边界和显式前景监督，可用于分割、轮廓约束与前景区域学习。
数字人文与文化遗产计算
- 数字化展示
- 数字化教育
- 文化遗产计算
标准化的唐卡主尊正背数据可用于数字展示、教学资源构建以及面向文化遗产的计算分析。
Usage Boundary
使用边界
本数据集属于 AI 辅助构建的合成数据，不能替代真实历史文物影像。合成背面不代表真实历史唐卡对象唯一或权威的背面形态。
数据不应用于：
- 文物真实性鉴定
- 宗教真实性判断
- 历史形态恢复
- 权威归属判断
Dataset Access
数据集发布信息即将更新
Dataset release information coming soon.
数据集下载即将开放
GitHub即将公开
Citation即将更新