HCSU：细粒度历史书法风格理解的数据集和基准

对书法风格的自动细粒度感知（对文化遗产保护至关重要的任务）仍然是大型视觉语言模型（LVLM）的一个关键挑战，很大程度上受到模态混合和扁平化标签影响的现有数据集的限制。为了弥补这一差距，我们引入了 HCSU，这是第一个专为细粒度历史书法风格理解而定制的综合数据集。 HCSU 包含来自 10 个朝代 49 位历史上著名书法家的 39,307 个精心策划的人物图像，系统地将正宗水墨手稿（帖）与石碑拓片（碑）解耦，以解决长期存在的模态混合问题。 HCSU 超越了传统的扁平化标签，提供了专家撰写的分层美学描述，支持两种严格的评估协议：细粒度的风格辨别和可解释的美学推理。广泛的评估揭示了书法相关知识和基于视觉的风格感知之间持续存在的差距：最先进的 LVLM 显示出不平凡的性能，但对脚本级别、文本和特定来源的线索仍然敏感，并且常常难以在细粒度的笔触证据中建立审美判断。最终，HCSU 基准暴露了当前多模式架构的基本局限性，旨在激发文化遗产保护专家级视觉推理的发展。该数据集可在 https://huggingface.co/datasets/Tongji209/HCSU 获取。