私たちが画像の内容を生き生きと描写する能力は、人間の視覚システムの力を明確に示すものです。私たちは画像内の物体（例えば猫、人、または車）を認識するだけでなく、それらを細部まで描写することができ、一瞥するだけで大量の情報を抽出することができます。しかし、視覚知覚は物体の認識と描写に限定されません。高度な意味理解に先立ち、ほとんどのテクスチャパターンは豊富な視覚印象を引き起こします。私たちはテクスチャを「白い背景に青い点があるドット柄で規則的でまばらな」と描写したり、「ノイズが多く、線状で不規則な」と描写することができます。

私たちの目的は、この能力を機械に再現することです。科学的には、知的システムがテクスチャ情報をどのように処理、分析、表現するかをさらに理解することが目的です。材料認識などの古典的なテクスチャ分析タスクと比較すると、このような知覚特性は種類と構造がはるかに豊富で、新しい技術的課題を引き起こします。

DTDはテクスチャデータベースで、5640枚の画像から構成され、人間の知覚に触発された47の用語（カテゴリ）のリストに従って整理されています。各カテゴリには120枚の画像があります。 　画像サイズは300×300から640×640の間で、画像にはカテゴリ属性を表す表面が少なくとも90％含まれています。 画像は、提案した属性と関連用語を検索クエリとして入力することで、GoogleとFlickrから収集されました。 画像は、何度かの反復でAmazon Mechanical Turkを使用して注釈付けされました。各画像について、主要属性（主要カテゴリ）と関連属性のリストを提供します。

データは3等分され、トレーニング、検証、テスト用に分割され、各分割にはクラスごとに40枚の画像が含まれます。主要属性と関連属性の両方について正解注釈を提供するとともに、評価に使用したデータの10分割も提供します。　

関連論文

• M.Cimpoi、S. Maji、I. Kokkinos、S. Mohamed、A. Vedaldi、「Describing Textures in the Wild」 　( PDF 　| ポスター 　)　

　@InProceedings{cimpoi14describing,
　　Author　　= {M. Cimpoi and S. Maji and I. Kokkinos and S. Mohamed and and A. Vedaldi},
　　Title　　　= {Describing Textures in the Wild},
　　Booktitle = {Proceedings of the {IEEE} Conf. on Computer Vision and Pattern Recognition ({CVPR})},
　　Year　　　　= {2014}}