deepghs/danbooru2024-sfw

Danbooru2024数据集是一个专注于动画和插画艺术作品的综合集合，源自官方Danbooru平台。它包含约650万张高质量、用户标注的图像，附带标签和文本描述。数据集从原始的830万条记录中过滤，去除了NSFW内容和选择退出的条目，以创建一个更易于访问和受众友好的资源。它通过提供经过策划和结构良好的解决方案，解决了过度爬取的booru数据库带来的挑战。

The Danbooru2024 dataset is a comprehensive collection of approximately 6.5 million high-quality, user-annotated images focused on animation and illustration artwork, derived from the Danbooru platform. The dataset is filtered from an original set of 8.3 million entries, excluding NSFW-rated and opt-out entries to create a more accessible and audience-friendly resource. It addresses the challenges associated with overly crawled booru databases by providing a curated and well-structured solution. The dataset supports various tasks including image classification, zero-shot image classification, and text-to-image generation, and includes metadata in Parquet format. Usage of the dataset is subject to terms and conditions, emphasizing user responsibility and compliance with the associated license.

搜集汇总

数据集介绍

构建方式

在动漫与插画艺术领域，数据集的构建往往面临内容筛选与结构化的挑战。Danbooru2024数据集源自官方Danbooru平台，通过对原始830万条条目进行系统化处理，剔除了不适宜公开的内容及用户选择退出的条目，最终精选出约650万幅高质量图像。这一过程不仅确保了数据的受众友好性，还通过用户标注的标签与文本描述，为每幅作品赋予了丰富的元数据，从而形成了一套经过精心策划且结构清晰的资源集合。

特点

该数据集的核心特征体现在其详尽的元数据支持与灵活的访问机制上。所有图像均附带Parquet格式的元数据文件，涵盖创建时间、评分、标签字符串及收藏次数等关键字段，便于进行高效的数据分析与筛选。同时，数据集支持部分下载功能，用户可借助专用工具库，依据特定标签组合精确检索并获取目标图像，极大提升了数据使用的针对性与便捷性，为研究与应用提供了高度结构化的基础。

使用方法

在计算机视觉与生成模型研究中，该数据集为图像分类、零样本分类及文生图等任务提供了实践平台。用户可通过读取Parquet元数据文件，利用时间范围、评分或标签等条件快速提取子集进行分析。对于特定图像的获取，可结合元数据查询与下载工具，实现基于复杂标签逻辑的批量图像采集。使用前须仔细阅读并同意相关许可协议，确保所有应用符合研究目的并遵守内容使用规范。

背景与挑战

背景概述

Danbooru2024数据集作为动画与插画艺术领域的重要资源，由deepghs团队于2024年基于Danbooru官方平台构建而成。该数据集旨在为图像分类、零样本图像分类及文本到图像生成等任务提供高质量、用户标注的视觉素材，其核心研究问题聚焦于如何在大规模、多样化的动漫艺术数据中实现精准的内容理解与生成。通过筛选原始830万条目中的非安全内容与用户退出项，最终形成包含约650万张图像的洁净集合，显著提升了数据可访问性与研究适用性，对推动数字艺术分析与生成式人工智能的发展具有深远影响。

当前挑战

该数据集首要挑战在于解决动漫图像领域内细粒度分类与跨模态对齐的复杂性，由于动漫风格的高度多样化与标签语义的丰富性，模型需在庞大类别中准确识别视觉特征与文本描述的关联。构建过程中的挑战则体现在数据清洗与伦理合规层面，需从海量原始数据中有效过滤非安全内容并尊重用户退出机制，同时确保标注质量与数据结构的完整性，以平衡数据规模与可用性。此外，如何在遵循严格使用条款的前提下促进学术与工业应用，亦是该数据集持续面临的实践性挑战。

常用场景

经典使用场景

在动漫与插画艺术领域，Danbooru2024数据集为图像分类任务提供了丰富的资源。该数据集包含约650万张高质量图像，每张图像均附有用户标注的标签和文本描述，这些结构化数据使得研究者能够训练和评估多标签图像分类模型。通过利用其广泛的标签体系，模型可以学习识别复杂的视觉特征，如角色属性、场景元素和艺术风格，从而推动动漫图像理解技术的发展。

解决学术问题

该数据集有效解决了动漫艺术图像分析中缺乏大规模、高质量标注数据的难题。其详尽的标签系统支持细粒度图像分类研究，帮助学者探索零样本图像分类方法，即在未见类别上泛化模型能力。此外，数据集为文本到图像生成任务提供了配对数据，促进了跨模态学习的研究，例如如何根据自然语言描述生成符合语义的动漫图像，这些工作对计算机视觉和生成式人工智能领域具有重要理论意义。

衍生相关工作

围绕Danbooru2024数据集，已衍生出多项经典研究工作。在图像生成领域，它常被用作训练扩散模型或生成对抗网络（GANs）的关键数据源，以生成高质量的动漫风格图像。在分类任务中，研究者利用其多标签特性开发了高效的卷积神经网络与视觉Transformer模型。此外，该数据集还支持了跨语言标签对齐、图像检索系统优化以及艺术风格迁移等创新方向，持续推动着动漫计算视觉的前沿探索。