Under the Sun with Paddy

训练商品图抠图、主体分割模型时，数据集的许可协议比精度榜单更容易踩坑：这个领域最常被引用的一批经典数据集（DUTS、COD10K 系）全部标注”仅供研究用途”，而真正能用于商用训练的，是近几年出现的合成数据集和少数宽松协议数据集。

本文整理了抠图/二分图像分割（DIS，Dichotomous Image Segmentation，即把图像严格分为前景/背景两类的任务）方向 10 个开源数据集的规模、标注格式与许可状态，每一条协议结论都来自 LICENSE 文件或数据集卡原文，而不是二手转述。

调研快照：2026-10-17
所有链接与许可均经逐仓库一手核验（GitHub LICENSE / HuggingFace 数据卡 / 官方站）

研究限用（不可商用）：DUTS、COD10K、UHRSD、HRSOD、CAMO——详见下文逐个说明与文末全量表。

用游戏引擎渲染场景再自动生成 mask 的合成显著目标数据集（SOD，Salient Object Detection），每条样本带类别名与英文图注，是少见的”mask+类别+描述”三合一格式。软边缘 alpha 质量（不是粗糙的二值块），光影一致性好。

标注格式（HF parquet，5 列 schema）：

建议运用方向：抠图模型的商用训练底座（许可干净、量大）；caption 列让它同时能当图文对齐任务的辅助数据。

动漫角色抠图数据集，训练包 imgs-masks.zip（173.8MB）内 imgs/ 与 masks/ 同名配对共 1,111 对；另有前景/背景合成源区（fg-/bg- zip 共 17GB+）可用于数据增广。数据集卡明确 CC0-1.0——比 MIT 更宽松，商用、改作、再分发均无义务。

标注格式：同名配对文件（imgs/000285.jpg ↔ masks/000285.jpg），无类别标签。

建议运用方向：ACG 内容工具（头像/周边/立绘）的抠图微调；CC0 属性使它成为”数据许可焦虑”场景下的首选测试床。