Poplar: 인간 중심 이미지 데이터셋 합성을 위한 확장 가능한 파이프라인

초록

최근 이미지 생성기는 설득력 있는 인간 중심 이미지를 합성할 수 있지만, 유용한 컬렉션을 만드는 것은 성공적인 단일 이미지를 만드는 것과는 다릅니다. 인간 중심 데이터셋은 다양한 사람과 맥락을 포함하고, 타당하지 않은 속성 조합을 피하며, 일상적인 사진적 특성을 보존하고, 대규모 품질 관리 결정을 명확히 드러내야 합니다. 우리는 인간 중심 이미지 데이터셋 합성을 위한 재현 가능한 Specify(지정)--Render(렌더링)--Inspect(검사) 파이프라인인 Poplar를 제시합니다. Specify(지정)는 상식적 제약 조건 하에 구조화된 속성을 샘플링하고 이를 사진 지향적 프롬프트로 언어화합니다. Render(렌더링)는 구성을 고려한 종횡비에 걸쳐 사실감에 적응된 이미지 생성기를 사용하고 명백한 기술적 실패를 재시도합니다. Inspect(검사)는 각 후보에 단일 구조화된 비전-언어 검토를 적용하여 원본 프롬프트를 유지하면서 본질적인 이미지 결함이나 중대한 프롬프트 불일치를 거부합니다. Poplar를 사용하여 우리는 Poplar-9K를 구축합니다: 11,765개의 검토된 후보 중 유지된 9,401개의 큐레이션된 인간 중심 이미지-텍스트 쌍(79.9% 수락률). 우리는 데이터셋을 파이프라인, 구성, 변경 불가능한 생성 프롬프트, 그리고 감사 가능한 검사 기록과 함께 맞춤형 인간 중심 컬렉션 구축을 위한 간결한 리소스로 공개합니다.

English

Recent image generators can synthesize convincing human-centric images, yet producing a useful collection remains different from producing a single successful image. A human-centric dataset must cover varied people and contexts, avoid implausible attribute combinations, preserve an everyday photographic character, and expose quality-control decisions at scale. We present Poplar, a reproducible Specify--Render--Inspect pipeline for human-centric image dataset synthesis. Specify samples structured attributes under commonsense constraints and verbalizes them as photography-oriented prompts. Render uses a realism-adapted image generator across composition-aware aspect ratios and retries obvious technical failures. Inspect applies a single structured vision--language review to each candidate, preserving the original prompt while rejecting intrinsic image defects or material prompt mismatches. Using Poplar, we construct Poplar-9K: 9,401 curated human-centric image--text pairs retained from 11,765 reviewed candidates (79.9\% acceptance). We release the dataset together with the pipeline, configurations, immutable generation prompts, and auditable inspection records as a compact resource for building customizable human-centric collections.