CyberHarem/qiqi_genshin

这是一个名为‘qiqi/七七/七七 (Genshin Impact)’的数据集，包含500张与角色七七相关的图像及其标签。图像主要描绘了七七的特征，如紫色头发、紫色眼睛、头饰、帽子等，并从多个网站如danbooru、pixiv、zerochan等自动爬取。数据集提供了不同格式的下载选项，并支持通过waifuc工具加载和分析。此外，数据集还提供了标签的聚类结果，帮助用户了解不同图像样本的共同特征。

原始信息汇总

数据集概述：qiqi/七七/七七 (Genshin Impact)

数据集基本信息

• 数据集名称：qiqi/七七/七七 (Genshin Impact)
• 包含内容：500张图像及其标签
• 核心标签：purple_hair, purple_eyes, hair_ornament, hat, long_hair, coin_hair_ornament, braid, purple_headwear, hair_between_eyes, single_braid, braided_ponytail
• 许可：MIT
• 任务类别：text-to-image
• 标签：art, not-for-all-audiences
• 大小类别：n<1K

数据集内容详情

图像来源

• 来源：多个网站（如danbooru, pixiv, zerochan等）
• 自动爬虫系统：由DeepGHS Team提供技术支持

数据集包列表

名称	图像数量	大小	下载链接	类型	描述
raw	500	943.78 MiB	下载链接	Waifuc-Raw	包含元信息的原始数据（最小边对齐到1400像素，如果更大）
1200	500	791.46 MiB	下载链接	IMG+TXT	短边不超过1200像素的数据集
stage3-p480-1200	1334	1.62 GiB	下载链接	IMG+TXT	三阶段裁剪数据集，区域不小于480x480像素

数据集加载

• 加载工具：waifuc
• 加载方法：提供Python代码示例，用于下载和解压数据集，并通过waifuc加载数据。

数据集标签聚类结果

聚类列表

#	样本数	图像示例	标签（部分）
0	8	至	1girl, bead_necklace, jiangshi, long_sleeves, looking_at_viewer, ofuda, open_mouth, qingdai_guanmao, solo, dress, simple_background, white_background, wide_sleeves, :o, chinese_clothes, nail_polish, black_nails, earrings, upper_body, vision_(genshin_impact), white_thighhighs
1	9	至	1girl, bead_necklace, dress, jiangshi, long_sleeves, looking_at_viewer, ofuda, qingdai_guanmao, solo, white_background, white_thighhighs, simple_background, wide_sleeves, vision_(genshin_impact), parted_lips, bandaged_leg, shorts
2	9	至	1girl, bead_necklace, jiangshi, long_sleeves, ofuda, qingdai_guanmao, solo, white_thighhighs, wide_sleeves, chinese_clothes, looking_at_viewer, sidelocks, dress, bandaged_leg, vision_(genshin_impact), parted_lips, yin_yang_orb
3	5	至	1girl, bead_necklace, chinese_clothes, jiangshi, long_sleeves, looking_at_viewer, ofuda, qingdai_guanmao, sidelocks, solo, wide_sleeves, low_ponytail, simple_background, vision_(genshin_impact), white_background, cape, dress, orb, parted_lips, yin_yang
4	7	至	1girl, bead_necklace, holding_sword, jiangshi, long_sleeves, ofuda, qingdai_guanmao, solo, wide_sleeves, chinese_clothes, looking_at_viewer, cape, orb, sidelocks, snowflakes, white_thighhighs, yin_yang, shorts

搜集汇总

数据集介绍

构建方式

在文本到图像生成领域，高质量、标签化的角色数据集是模型微调与风格迁移的关键资源。该数据集聚焦于《原神》角色七七，整合了来自Danbooru、Pixiv、Zerochan等多个平台的图像资源，经由DeepGHS团队开发的自动化爬取系统完成采集。数据集包含500张原始图像及其对应的标签信息，并围绕角色的核心特征（如紫色头发、紫色眼睛、发饰、帽子、长辫等）进行了标签精简。为适应不同训练需求，数据集提供了多种预处理版本：原始版保留元数据且最小边对齐至1400像素；1200版将较短边限制在1200像素以内；stage3-p480-1200版则采用三级裁剪策略，确保图像区域不小于480×480像素。

特点

该数据集在构建上体现了精细化与多模态适配的特点。首先，标签系统经过针对性修剪，仅保留与角色辨识度密切相关的核心标签，从而降低噪声干扰，提升模型对角色本质特征的捕捉能力。其次，数据集提供了三种不同分辨率和裁剪策略的版本，分别适用于原始数据探索、常规训练以及高精度局部特征学习，这种分层设计显著增强了数据集的灵活性与适用性。此外，数据还包含了基于标签聚类的分组结果，通过可视化样本与标签矩阵，研究者可以直观地挖掘不同服饰或姿态下的潜在子类特征，为细粒度角色生成提供结构化支持。

使用方法

该数据集支持通过两种主流方式加载。对于需要原始元数据的用户，推荐使用waifuc库：首先通过huggingface_hub下载dataset-raw.zip压缩包，解压后利用LocalSource接口即可逐项访问图像、文件名及完整标签。对于偏好轻量化处理的场景，可直接下载1200或stage3-p480-1200版本的ZIP文件，这些版本采用IMG+TXT格式，每个图像对应一个独立的标签文本文件，便于与各类深度学习框架无缝集成。用户可根据模型输入尺寸与计算资源，灵活选择合适的数据子集进行训练或评估。

背景与挑战

背景概述

在文本到图像生成领域，高质量、标注精细的领域特定数据集是驱动模型性能提升的关键要素。CyberHarem/qiqi_genshin数据集由DeepGHS团队于近期创建，专注于收录《原神》中角色“七七”的视觉素材。该数据集包含500张经过人工标注与自动标签裁剪的图像，核心标签涵盖紫色发瞳、发饰、长辫等角色标志性特征。其构建依托于多源爬取（如Danbooru、Pixiv等平台），并借助Waifuc工具实现元数据与标签系统的高效整合。该数据集不仅为动漫风格角色生成任务提供了标准化训练样本，更通过标签聚类分析（如服饰变体、姿态分组）为细粒度风格迁移与可控生成研究奠定了基础，对二次元垂直领域的扩散模型微调具有显著推动价值。

当前挑战

当前数据集面临的核心挑战在于领域问题与构建过程的双重复杂性。领域层面，动漫角色生成需解决类间相似性干扰（如不同角色共享紫发、长辫等特征）与类内多样性平衡问题，而500张样本量对捕捉角色在不同光照、角度下的视觉分布仍显不足。构建层面，多源爬取引发的版权合规与图像质量参差问题亟待解决，自动标签系统虽高效却可能引入语义噪声（如误标或缺失稀有属性）。此外，标签聚类结果（如服饰变体簇）的离散性提示现有标注粒度尚不足以支撑对角色特定部件（如符箓、阴阳玉）的精准解耦生成，限制了模型在细粒度控制任务中的泛化能力。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/qiqi_genshin 数据集作为一款聚焦于《原神》角色“七七”的高质量图像与标签资源，被广泛用于微调扩散模型（如 Stable Diffusion）。研究者借助其精心标注的 500 张图像，涵盖紫色长发、符咒、僵尸服饰等核心视觉元素，能够精准训练模型生成符合角色设定的图像。该数据集特别适合用于角色一致性的生成任务，通过标签与图像的对齐，确保输出作品在发色、配饰、服饰风格上保持稳定，从而在动漫风格生成研究中树立了精细化角色建模的典范。

解决学术问题

该数据集有效解决了动漫角色生成中语义一致性与细节保真度的学术难题。传统生成模型常因训练数据稀疏或标签模糊，导致角色特征混淆（如发色偏差或服饰错位）。CyberHarem/qiqi_genshin 通过提供多分辨率版本（如 1200 像素与 stage3 裁剪版本）及聚类标签（如服饰分组），为研究标签噪声抑制、图像-文本对齐优化提供了标准化基准。其贡献在于推动了面向特定 IP 角色的可控生成方法发展，并为评估生成图像的角色忠实度设立了量化指标，深刻影响了多模态学习与生成对抗网络的交叉研究方向。

衍生相关工作

该数据集衍生了一系列经典工作，包括基于角色标签的语义解耦生成模型（如利用聚类标签分离服饰与背景）、少样本角色适应框架（如 DreamBooth 与 LoRA 在此数据集上的微调变体），以及针对动漫风格的多尺度图像修复方法。研究者还将其与 Waifuc 工具链结合，构建了自动化数据采集-标注-训练流水线，推动了开源社区中“数据驱动角色生成”范式的发展，相关成果在 CVPR、ICCV 的生成式模型子课题中被多次引用。