中数天璇艺术字合成图像数据集
中电数创（北京）科技有限公司
一、建设路径
案例构建“规划—合成—质检—交付”四位一体的工程化能力体系。
一是建立自动化质量评估体系，覆盖内容安全与内容正确两大维度。建立三级质检闭环，工具迭代阶段正样本准确率优先达到97%，批量加工阶段基线高于75%，交付阶段三组独立抽检均达97%方可交付。
二是采用知识注入的合成技术，将字体设计知识系统解构为字重、字面宽窄等量化属性，将艺术风格解构为材质感、纹理、色彩等多种属性，通过基于属性的提示词生成路径，实现生成过程的精准控制与表达增强。
三是将复杂标注任务实现自动化分解，“规划—合成—质检—交付”四位一体的工程化架构实现数据从“随机生成”到“精细化控制”。负样本错误类型自动分解体系显著提升了无效样本的重用率。
二、总体成效
数据集建设情况：中数天璇艺术字合成图像数据集涵盖多种风格与材质，按照字数分布进行结构化配比，形成数据集1个，规模1TB。
应用场景落地：中数天璇艺术字合成图像数据集已成功实现商业化交付，落地于某大型互联网公司多模态大模型训练场景，用于提升模型在艺术字识别、复杂图文一致性理解等任务上的表现。
经济效益方面：通过北京国际大数据交易所实现市场化交易，服务模型1个；案例在公司层面成功完成数据资产入表，入表金额超百万元。社会效益方面，案例有效缓解艺术字设计领域的数据稀缺问题，并探索形成了“生产-合规-交易-入表”全链条可信流通路径。
三、创新亮点
技术创新上，采用知识注入的数据合成方法，将字体设计的结构属性与风格属性系统拆解为可控参数，实现数据合成精细化控制；构建覆盖安全风险和内容正确的双维度自动化评测体系。
模式创新上，建立了“研发自测—试加工—批量加工—交付验收”四阶段量化管控模式，每阶段设置明确准入准出指标，实现数据生产的工程化管理；同时打通了“生产→评测→交易→入表”完整价值链。
管理创新上，首创“材质质检版本表”及“待交付区/待优化区”分区管理机制，实施三组独立抽检、新材质快速交付、按字数占比均衡加工等精细化管理手段，兼顾效率与质量。