CyberHarem/u_110_azurlane

这是u_110/U-110（碧蓝航线）的数据集，包含51张图像及其标签。该角色的核心标签包括`bangs, hair_between_eyes, white_hair, short_hair, grey_eyes, ahoge, blue_eyes`，这些标签在数据集中已被修剪。图像从多个网站（如danbooru、pixiv、zerochan等）爬取，自动爬取系统由DeepGHS团队提供。数据集提供了多种下载选项，包括原始数据、不同分辨率的图像以及经过裁剪的图像。这是u_110/U-110（碧蓝航线）的数据集，包含51张图像及其标签。该角色的核心标签包括`bangs, hair_between_eyes, white_hair, short_hair, grey_eyes, ahoge, blue_eyes`，这些标签在数据集中已被修剪。图像从多个网站（如danbooru、pixiv、zerochan等）爬取，自动爬取系统由DeepGHS团队提供。数据集提供了多种下载选项，包括原始数据、不同分辨率的图像以及经过裁剪的图像。

原始信息汇总

数据集概述：u_110/U-110 (Azur Lane)

数据集基本信息

• 许可证: MIT
• 任务类别: 文本到图像
• 标签: 艺术, 不适用于所有观众
• 大小类别: 小于1K

数据集内容

• 包含: 51张图像及其标签
• 核心标签: bangs, hair_between_eyes, white_hair, short_hair, grey_eyes, ahoge, blue_eyes

数据集来源

• 图像来源: 多个网站（如danbooru, pixiv, zerochan等）
• 自动爬虫系统: DeepGHS Team

数据集包

名称	图像数量	大小	下载链接	类型	描述
raw	51	56.46 MiB	下载	Waifuc-Raw	包含元信息的原始数据（最小边对齐至1400像素）
800	51	33.00 MiB	下载	IMG+TXT	短边不超过800像素的数据集
stage3-p480-800	121	71.04 MiB	下载	IMG+TXT	三阶段裁剪，区域不小于480x480像素的数据集
1200	51	51.08 MiB	下载	IMG+TXT	短边不超过1200像素的数据集
stage3-p480-1200	121	98.72 MiB	下载	IMG+TXT	三阶段裁剪，区域不小于480x480像素的数据集

数据集加载

• 加载工具: waifuc
• 加载代码示例: 使用Python代码从Hugging Face Hub下载并加载数据集。

数据集集群

• 集群列表: 包含多个集群，每个集群有不同的样本数量和特征标签。
• 示例集群:
  • 集群0: 26个样本，包含标签如1girl, looking_at_viewer, solo等。
  • 集群1: 10个样本，包含标签如1girl, hair_flower, long_sleeves等。
  • 集群2: 5个样本，包含标签如1girl, black_pantyhose, school_uniform等。

搜集汇总

数据集介绍

构建方式

在动漫角色数据集构建的实践中，精细化与系统化的图像采集与处理流程至关重要。该数据集聚焦于《碧蓝航线》中的角色U-110，通过自动化爬虫系统从Danbooru、Pixiv、Zerochan等多个知名插画平台采集了51张原始图像，并附带了对应的标签信息。为适配不同应用场景，数据集提供了多种预处理版本：原始版保留元数据及最小边对齐至1400像素的调整；800与1200版本将图像短边分别缩放到不超过800与1200像素；而stage3-p480-800与stage3-p480-1200版本则采用三阶段裁剪策略，确保裁剪区域不小于480×480像素，从而生成121张增强样本。

使用方法

该数据集的设计充分考虑了易用性与可扩展性。用户可通过Hugging Face Hub直接下载各版本压缩包，其中原始版兼容Waifuc框架，便于进行二次处理与流式加载。具体而言，使用hf_hub_download函数获取dataset-raw.zip后解压至本地目录，再通过Waifuc的LocalSource接口即可遍历图像及其元数据，包括文件名与标签信息。对于无需元数据的场景，可直接使用800或1200等版本，配合常见的图像加载库如PIL或OpenCV进行训练。这种分层式的交付方式使得数据集既能服务于快速原型验证，也能满足定制化数据流水线的需求。

背景与挑战

背景概述

在生成式人工智能与二次元文化深度交融的当下，面向特定角色的小样本图像数据集成为文本到图像生成模型微调的关键基石。CyberHarem团队于近期构建了u_110/U-110（碧蓝航线）角色数据集，该数据集由DeepGHS团队主导，依托自动化爬取系统从Danbooru、Pixiv、Zerochan等多源平台收集了51张高质量图像及其标签信息。数据集的核心研究问题聚焦于如何通过有限样本精准捕获角色视觉特征，如刘海、灰瞳、白发等关键标签，并探索数据增强与裁剪策略（如三级裁剪与多分辨率版本）对生成效果的影响。作为开源社区中二次元垂直领域数据集建设的代表性成果，该数据集为角色定制化生成研究提供了标准化基准，推动了从通用图像生成向角色细粒度控制的范式演进。

当前挑战

该数据集面临的核心挑战首先体现在领域问题的复杂性上：在文本到图像生成任务中，如何基于极少量样本（仅51张原始图像）实现角色身份特征的高保真还原，并避免模型对非核心标签（如水、翅膀等背景元素）的过拟合，是当前小样本生成领域亟待突破的瓶颈。其次，数据构建过程中遭遇多重技术壁垒：多源爬取导致的图像分辨率、构图风格与标注一致性差异，需通过三级裁剪策略与标签去冗余流程进行消解；此外，角色在不同场景中的姿态多样性（如泳装、校服、常服等服饰变体）使得标签聚类与特征解耦成为挑战，而自动化爬取系统需兼顾版权合规与数据质量平衡，进一步增加了数据治理的难度。

常用场景

经典使用场景

该数据集聚焦于《碧蓝航线》角色U-110的视觉与标签信息，提供51张高分辨率图像及其详尽标注，涵盖角色核心特征如白色短发、蓝灰眼眸与呆毛等。其经典用途在于支撑基于文本到图像生成的模型微调，通过精细化标签与多尺度裁剪版本（如800px与1200px），研究者可高效训练扩散模型以精准复现该角色的独特美学风格，尤其适用于动漫角色定制化生成任务。

解决学术问题

该数据集有效解决了动漫角色细粒度图像生成中数据稀缺与标签不一致的学术难题。通过整合Danbooru、Pixiv等多源平台图像，并采用自动标注与聚类分析，它提供了标准化的角色视觉特征库，推动了少样本学习与风格迁移领域的发展。其意义在于为二次元图像生成模型的泛化能力评估提供了基准，同时促进了多模态对齐研究，例如标签-图像关联性建模。

实际应用

在实际应用中，该数据集赋能了游戏资产自动化生产与个性化内容创作。开发者可基于其训练轻量级生成模型，快速产出U-110角色在多种着装（如泳装、校服）下的概念图，用于同人创作辅助、虚拟偶像运营或游戏内角色立绘迭代。此外，其标签体系可直接服务于图像检索系统的构建，提升动漫社区中角色识别与分类的效率。

数据集最近研究

最新研究方向

在二次元角色图像生成领域，针对特定角色如《碧蓝航线》中U-110的高质量、多模态数据集构建成为前沿热点。该数据集通过自动化爬取与多阶段裁剪技术，整合了来自Danbooru、Pixiv等平台的51张精选图像及其标签，并创新性地提供了raw、800、1200及三级裁剪（stage3-p480-800/1200）等多种分辨率版本，以适应不同文本到图像生成模型的训练需求。其标签聚类分析功能为角色特征解耦与风格迁移研究提供了有力支撑，推动了精细化、可控化角色生成技术的发展，对于游戏资产自动化生产与虚拟偶像生态建设具有重要应用价值。