时尚AI数据集藏了10年,研究者找起来像大海捞针

时尚AI研究的数据困境

  时尚AI研究有个怪现象：论文发了一堆，数据集遍地开花，但想找个合适的用？得先当半天侦探。图像分类、关键点检测、虚拟试衣——每个任务都有自己的“方言”，论文里提一嘴就算完，下载链接？自己翻GitHub去吧。

终于有人出手整理

  有人终于看不下去了。最新整理把主流开源数据集按任务重新归类，从粗粒度服装分类到毫米级关键点标注，全给捋了一遍。每个数据集附直达链接，省掉你翻30篇论文的工夫。

本该十年前就做的事

  这活儿本该十年前就有人做。计算机视觉圈子的老毛病：发论文时数据集是亮点，维护时就成了孤儿。DeepFashion、Fashion-MNIST这些经典数据集，引用量动辄过万，但想找全版本？得在arXiv和GitHub之间反复横跳。

找数据集的时间，够训三个模型了。

  这话戳中了不少人的肺管子。CLIP-based检索、虚拟试衣 pipeline，这些热门方向对数据质量要求极高，但研究者往往在数据清洗阶段就耗掉一半预算。

新入口与保鲜难题

  现在这份清单成了新的默认入口。不过别高兴太早——数据集更新速度比模型还快，这份地图能保鲜多久，没人敢打包票。