CyberHarem/miyuki_azurlane

这是一个关于miyuki/深雪/深雪 (Azur Lane)角色的数据集，包含25张图片及其标签。核心标签包括`animal_ears, long_hair, fox_ears, fox_girl, tail, fox_tail, bangs, white_hair, yellow_eyes, grey_hair, maid_headdress, breasts`。图片从多个网站（如danbooru, pixiv, zerochan等）爬取，爬取系统由DeepGHS团队提供。数据集提供了多个版本的下载链接，包括原始数据、不同分辨率的图片以及经过裁剪的图片。此外，还提供了如何使用waifuc加载原始数据集的代码示例。最后，README还列出了标签聚类结果的示例。

This is a dataset centered on the character miyuki/深雪/深雪 (Azur Lane), consisting of 25 images and their corresponding tags. The core tags include `animal_ears, long_hair, fox_ears, fox_girl, tail, fox_tail, bangs, white_hair, yellow_eyes, grey_hair, maid_headdress, breasts`. The images were crawled from multiple platforms such as Danbooru, Pixiv, Zerochan and others, and the crawling system was provided by the DeepGHS team. The dataset offers download links for multiple variants, including raw data, images of various resolutions, and cropped images. Additionally, code examples for loading the raw dataset using waifuc are provided. Finally, the README also lists examples of tag clustering results.

原始信息汇总

数据集概述

数据集名称

• 名称: miyuki/深雪/深雪 (Azur Lane)

数据集内容

• 描述: 包含25张图像及其标签。
• 核心标签: animal_ears, long_hair, fox_ears, fox_girl, tail, fox_tail, bangs, white_hair, yellow_eyes, grey_hair, maid_headdress, breasts

数据集版本

名称	图像数量	大小	下载链接	类型	描述
raw	25	40.55 MiB	下载	Waifuc-Raw	原始数据，包含元信息（最小边对齐至1400像素，如果更大）。
800	25	19.60 MiB	下载	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	61	44.11 MiB	下载	IMG+TXT	三阶段裁剪数据集，区域不小于480x480像素。
1200	25	34.11 MiB	下载	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	61	70.82 MiB	下载	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

• 加载代码示例: python import os import zipfile

  from huggingface_hub import hf_hub_download from waifuc.source import LocalSource

  zip_file = hf_hub_download( repo_id=CyberHarem/miyuki_azurlane, repo_type=dataset, filename=dataset-raw.zip, )

  dataset_dir = dataset_dir os.makedirs(dataset_dir, exist_ok=True) with zipfile.ZipFile(zip_file, r) as zf: zf.extractall(dataset_dir)

  source = LocalSource(dataset_dir) for item in source: print(item.image, item.meta[filename], item.meta[tags])

标签聚类结果

原始文本版本

#	样本数	图像1	图像2	图像3	图像4	图像5	标签
0	10						1girl, solo, wa_maid, looking_at_viewer, blush, blue_kimono, maid_apron, simple_background, wide_sleeves, frills, holding, long_sleeves, skirt, white_apron, white_background, full_body, multicolored_hair, smile, socks, tabi

表格版本

#	样本数	图像1	图像2	图像3	图像4	图像5	1girl	solo	wa_maid	looking_at_viewer	blush	blue_kimono	maid_apron	simple_background	wide_sleeves	frills	holding	long_sleeves	skirt	white_apron	white_background	full_body	multicolored_hair	smile	socks	tabi
0	10						X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X

搜集汇总

数据集介绍

构建方式

在二次元角色数据集构建领域，针对《碧蓝航线》中角色“深雪”的视觉特征，CyberHarem/miyuki_azurlane数据集应运而生。该数据集共收录25张图像及其对应标签，核心标签涵盖兽耳、长发、狐耳、狐娘、尾巴、狐尾、刘海、白发、黄瞳、灰发、女仆头饰与胸部等特征，并已进行精简处理。图像来源广泛，包括danbooru、pixiv、zerochan等多个站点，整个自动采集流程由DeepGHS团队提供技术支持。数据集以多种格式发布，包含原始数据包（raw，含元信息且最小边对齐至1400像素）、短边不超过800像素与1200像素的压缩版本，以及基于三阶段裁剪策略、面积不低于480×480像素的增强版本。

特点

该数据集的核心特点体现在其精细化的多尺度设计与丰富的元信息支撑。原始数据包保留了完整的元数据，便于研究者追溯图像来源与标注细节；而不同分辨率版本（800与1200）则兼顾了存储效率与模型训练的灵活性。尤为突出的是三阶段裁剪版本（stage3-p480-800与stage3-p480-1200），通过自动化裁剪策略将单张图像扩展为多个子图，使样本总量从25增至61，有效提升了数据多样性。此外，数据集还提供了基于标签聚类的分析结果，以原始文本与表格两种形式呈现，揭示出如“女仆装、蓝色和服、白色围裙”等视觉模式，为角色多风格建模提供了结构化参考。

使用方法

使用该数据集时，研究者可根据需求选择合适的压缩包进行下载。若需加载原始数据，推荐采用waifuc工具：首先通过huggingface_hub库中的hf_hub_download函数获取dataset-raw.zip文件，解压至本地目录后，利用LocalSource类即可逐项读取图像及其元信息（包括文件名与标签）。对于直接训练场景，可直接使用800或1200像素版本中的IMG+TXT格式数据，其中文本文件存储了与图像对应的标签描述。进阶用户还可利用聚类结果进行风格迁移或属性编辑实验，通过标签解析进一步挖掘角色在不同构图与服饰下的视觉规律。

背景与挑战

背景概述

在文本到图像生成领域，高质量、精细标注的角色数据集是推动模型生成能力的关键。由DeepGHS团队于近年创建的CyberHarem/miyuki_azurlane数据集，聚焦于游戏《碧蓝航线》中的角色“深雪”，旨在为二次元角色生成任务提供标准化训练素材。该数据集收录了25张经过严格筛选的图像，并附带基于Danbooru等社区标注的核心标签（如兽耳、狐尾、女仆头饰等），为研究者提供了兼顾视觉与语义一致性的小规模样本。尽管数据量有限，其通过自动爬取与多尺度裁剪（如480×480、800像素等分辨率版本）构建的流程，为特定角色生成任务中的少样本学习与标签迁移研究提供了重要基准，对推动动漫风格文本到图像模型的细粒度控制具有示范意义。

当前挑战

该数据集面临的核心挑战首先在于领域问题的复杂性：文本到图像生成需从抽象标签（如“狐娘”“女仆装”）映射到精准的视觉特征，而当前25张样本的规模难以覆盖角色姿态、场景与光照的多样性，易导致模型过拟合或生成结果同质化。其次，构建过程中存在多重困难：自动爬取系统需从Danbooru、Pixiv等多源站点整合图像，面临版权合规、图像质量参差及标签噪声问题；标签体系依赖社区众包标注，存在主观差异与歧义，例如“长袖”与“宽袖”的边界模糊；此外，多尺度裁剪策略虽提升了数据利用率，但裁剪后可能丢失关键构图信息，如狐尾与整体躯干的关联性被割裂，增加了模型学习完整角色结构的难度。

常用场景

经典使用场景

在生成式人工智能与动漫文化交融的学术前沿，CyberHarem/miyuki_azurlane数据集为文本到图像（text-to-image）生成任务提供了精细化的训练素材。该数据集聚焦于《碧蓝航线》角色“深雪”，包含25张高清图像及其语义标签，核心标签如兽耳、狐尾、女仆头饰等精准刻画了角色特征。经典使用场景在于微调扩散模型或生成对抗网络，使模型能够学习特定动漫角色的视觉风格与属性组合，从而在保持角色一致性的前提下生成高质量、多样化的新图像，为角色驱动的内容创作奠定数据基础。

实际应用

实际应用中，该数据集可赋能游戏开发、虚拟偶像运营与数字内容创作等产业。例如，在《碧蓝航线》IP生态中，开发者可利用其微调模型自动生成角色宣传图、皮肤概念稿或同人素材，大幅降低美术成本与创作周期。此外，数据集提供的多分辨率版本（如800px、1200px）及分阶段裁剪样本，适配了从移动端缩略图到高清海报的不同输出需求，使得从原型设计到批量生产的全流程自动化成为可能，彰显了数据驱动创意工业的实用价值。

衍生相关工作

基于此数据集，学术界已衍生出若干经典工作。其中，利用其标签聚类结果（如女仆装束、蓝色和服等子集）进行风格迁移与多模态检索的研究尤为突出；同时，该数据集作为CyberHarem系列角色数据集的一员，常被用于构建跨角色生成基准，验证模型在未见角色上的零样本泛化能力。此外，其与waifuc数据加载工具的无缝集成，催生了关于动漫图像自动采集、清洗与标注流水线的系统性工作，为大规模角色数据集建设提供了可复现的范式参考。