CyberHarem/rumi_bluearchive

--- license: mit task_categories: - text-to-image tags: - art - not-for-all-audiences size_categories: - n<1K --- # Dataset of rumi/朱城ルミ/瑠美 (Blue Archive) This is the dataset of rumi/朱城ルミ/瑠美 (Blue Archive), containing 207 images and their tags. The core tags of this character are `brown_hair, animal_ears, long_hair, breasts, fox_ears, halo, hair_between_eyes, large_breasts, purple_eyes, crossed_bangs, red_halo, very_long_hair`, which are pruned in this dataset. Images are crawled from many sites (e.g. danbooru, pixiv, zerochan ...), the auto-crawling system is powered by [DeepGHS Team](https://github.com/deepghs)([huggingface organization](https://huggingface.co/deepghs)). ## List of Packages | Name | Images | Size | Download | Type | Description | |:-----------------|---------:|:-----------|:------------------------------------------------------------------------------------------------------------------|:-----------|:---------------------------------------------------------------------| | raw | 207 | 356.40 MiB | [Download](https://huggingface.co/datasets/CyberHarem/rumi_bluearchive/resolve/main/dataset-raw.zip) | Waifuc-Raw | Raw data with meta information (min edge aligned to 1400 if larger). | | 1200 | 207 | 300.50 MiB | [Download](https://huggingface.co/datasets/CyberHarem/rumi_bluearchive/resolve/main/dataset-1200.zip) | IMG+TXT | dataset with the shorter side not exceeding 1200 pixels. | | stage3-p480-1200 | 520 | 598.07 MiB | [Download](https://huggingface.co/datasets/CyberHarem/rumi_bluearchive/resolve/main/dataset-stage3-p480-1200.zip) | IMG+TXT | 3-stage cropped dataset with the area not less than 480x480 pixels. | ### Load Raw Dataset with Waifuc We provide raw dataset (including tagged images) for [waifuc](https://deepghs.github.io/waifuc/main/tutorials/installation/index.html) loading. If you need this, just run the following code ```python import os import zipfile from huggingface_hub import hf_hub_download from waifuc.source import LocalSource # download raw archive file zip_file = hf_hub_download( repo_id='CyberHarem/rumi_bluearchive', repo_type='dataset', filename='dataset-raw.zip', ) # extract files to your directory dataset_dir = 'dataset_dir' os.makedirs(dataset_dir, exist_ok=True) with zipfile.ZipFile(zip_file, 'r') as zf: zf.extractall(dataset_dir) # load the dataset with waifuc source = LocalSource(dataset_dir) for item in source: print(item.image, item.meta['filename'], item.meta['tags']) ``` ## List of Clusters List of tag clustering result, maybe some outfits can be mined here. ### Raw Text Version | # | Samples | Img-1 | Img-2 | Img-3 | Img-4 | Img-5 | Tags | |----:|----------:|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | 0 | 5 |  |  |  |  |  | 1girl, black_skirt, blush, brown_pantyhose, looking_at_viewer, smile, solo, shirt, side_slit, simple_background, white_background, hand_on_own_hip, open_mouth, thigh_strap, black_pantyhose, gourd, rope_belt, short_sleeves, thighs | | 1 | 9 |  |  |  |  |  | 1girl, black_skirt, pantyhose, smile, solo, blush, looking_at_viewer, shirt, holding, sweat, steam | | 2 | 9 |  |  |  |  |  | 1girl, blush, solo, covered_nipples, looking_at_viewer, simple_background, smile, sweat, white_background, red_ascot, black_skirt, wet_shirt, see-through_shirt, upper_body | | 3 | 8 |  |  |  |  |  | 1girl, blush, looking_at_viewer, sweat, bra_visible_through_clothes, see-through_shirt, solo, wet_shirt, simple_background, black_bra, black_skirt, hand_on_own_hip, open_mouth, smile, steaming_body, high-waist_skirt, pantyhose, short_sleeves | | 4 | 8 |  |  |  |  |  | 1girl, looking_at_viewer, solo, blush, simple_background, white_background, one_eye_closed, chinese_clothes, black_pantyhose, sweat, thigh_strap, grin, sitting, upper_body | | 5 | 16 |  |  |  |  |  | 1boy, 1girl, blush, solo_focus, smile, looking_at_viewer, penis, nipples, pov, breasts_squeezed_together, cum_on_breasts, sweat, censored, huge_breasts, open_mouth, paizuri_under_clothes, shirt | ### Table Version | # | Samples | Img-1 | Img-2 | Img-3 | Img-4 | Img-5 | 1girl | black_skirt | blush | brown_pantyhose | looking_at_viewer | smile | solo | shirt | side_slit | simple_background | white_background | hand_on_own_hip | open_mouth | thigh_strap | black_pantyhose | gourd | rope_belt | short_sleeves | thighs | pantyhose | holding | sweat | steam | covered_nipples | red_ascot | wet_shirt | see-through_shirt | upper_body | bra_visible_through_clothes | black_bra | steaming_body | high-waist_skirt | one_eye_closed | chinese_clothes | grin | sitting | 1boy | solo_focus | penis | nipples | pov | breasts_squeezed_together | cum_on_breasts | censored | huge_breasts | paizuri_under_clothes | |----:|----------:|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------|:--------------|:--------|:------------------|:--------------------|:--------|:-------|:--------|:------------|:--------------------|:-------------------|:------------------|:-------------|:--------------|:------------------|:--------|:------------|:----------------|:---------|:------------|:----------|:--------|:--------|:------------------|:------------|:------------|:--------------------|:-------------|:------------------------------|:------------|:----------------|:-------------------|:-----------------|:------------------|:-------|:----------|:-------|:-------------|:--------|:----------|:------|:----------------------------|:-----------------|:-----------|:---------------|:------------------------| | 0 | 5 |  |  |  |  |  | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | | | | | | | | | | | | | | | | | | | | | | | | | | | | | 1 | 9 |  |  |  |  |  | X | X | X | | X | X | X | X | | | | | | | | | | | | X | X | X | X | | | | | | | | | | | | | | | | | | | | | | | | | 2 | 9 |  |  |  |  |  | X | X | X | | X | X | X | | | X | X | | | | | | | | | | | X | | X | X | X | X | X | | | | | | | | | | | | | | | | | | | | 3 | 8 |  |  |  |  |  | X | X | X | | X | X | X | | | X | | X | X | | | | | X | | X | | X | | | | X | X | | X | X | X | X | | | | | | | | | | | | | | | | 4 | 8 |  |  |  |  |  | X | | X | | X | | X | | | X | X | | | X | X | | | | | | | X | | | | | | X | | | | | X | X | X | X | | | | | | | | | | | | 5 | 16 |  |  |  |  |  | X | | X | | X | X | | X | | | | | X | | | | | | | | | X | | | | | | | | | | | | | | | X | X | X | X | X | X | X | X | X | X |

原始信息汇总

数据集概述

基本信息

• 名称: Dataset of rumi/朱城ルミ/瑠美 (Blue Archive)
• 包含内容: 207张图像及其标签
• 核心标签: brown_hair, animal_ears, long_hair, breasts, fox_ears, halo, hair_between_eyes, large_breasts, purple_eyes, crossed_bangs, red_halo, very_long_hair
• 许可证: MIT
• 任务类别: text-to-image
• 标签: art, not-for-all-audiences
• 大小类别: n<1K

数据集包详情

包名	图像数量	大小	下载链接	类型	描述
raw	207	356.40 MiB	下载	Waifuc-Raw	包含元信息的原始数据（如果较大则最小边对齐到1400）
1200	207	300.50 MiB	下载	IMG+TXT	短边不超过1200像素的数据集
stage3-p480-1200	520	598.07 MiB	下载	IMG+TXT	三阶段裁剪数据集，区域不小于480x480像素

数据集加载示例

• 加载工具: waifuc
• 加载代码: python import os import zipfile

from huggingface_hub import hf_hub_download from waifuc.source import LocalSource

下载原始档案文件

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

提取文件到你的目录

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

使用waifuc加载数据集

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

标签聚类结果

• 示例: 提供了不同图像样本及其对应的标签，展示了数据集中的多样性和特定主题的集中。

数据集下载与使用

• 下载: 可通过提供的链接下载不同格式的数据集。
• 使用: 提供了使用waifuc加载和处理数据集的示例代码，方便用户快速上手。

数据集标签分析

• 标签聚类: 数据集中的图像根据标签进行了聚类，有助于用户理解和利用数据集中的特定主题或特征。

搜集汇总

数据集介绍

构建方式

在动漫角色数据集构建领域，针对《碧蓝档案》中角色朱城琉美（rumi）的图像与标签资源尚不充分的现状，本数据集通过自动化爬取系统从Danbooru、Pixiv、Zerochan等多个图像平台收集了207张高质量图片。数据采集由DeepGHS团队开发的自动化框架驱动，确保了来源的多样性与覆盖度。随后，对每张图像进行了核心特征标签的提取与精简，保留了诸如棕色长发、兽耳、狐尾、光环、紫色眼眸等关键描述性标签，以提升数据在文本到图像生成任务中的可用性。数据集以压缩包形式提供，包含原始元数据及不同分辨率版本，便于研究者按需选用。

特点

本数据集的核心优势在于其精细化的多版本设计与结构化的标签体系。数据集提供了三种规格的压缩包：原始版保留完整元信息且最小边对齐至1400像素；1200版将短边限制在1200像素以内，兼顾清晰度与存储效率；stage3版则采用三阶段裁剪策略，确保图像区域不小于480×480像素，适用于不同训练需求。此外，数据集附带了基于标签聚类的分析结果，将图像按视觉主题与语义特征划分为多个簇，如特定服饰组合或场景构图，这为挖掘角色多模态表征中的潜在模式提供了便利，显著增强了数据在风格迁移与细粒度生成任务中的适用性。

使用方法

使用该数据集时，研究者可通过Hugging Face Hub直接下载相应压缩包。对于需要原始元数据的场景，推荐使用waifuc工具库加载原始版数据集：首先通过hf_hub_download函数获取dataset-raw.zip文件，解压至本地目录，随后利用LocalSource接口迭代访问每张图像及其关联的标签信息。对于分辨率受限的训练任务，可选择1200版或stage3版数据集，其直接提供图像与文本配对文件，无需额外预处理。标签聚类结果以表格形式呈现，支持按簇索引快速筛选特定主题的图像子集，便于进行对比实验或数据增强操作。

背景与挑战

背景概述

在生成式人工智能与二次元文化交融的时代背景下，高质量、细粒度的角色数据集成为推动文本到图像模型发展的关键基石。CyberHarem/rumi_bluearchive 数据集由 DeepGHS 团队于近期构建，专注于收录《碧蓝档案》中的人气角色朱城瑠美（rumi）。该数据集通过自动化爬虫系统从 Danbooru、Pixiv 等多源平台采集了 207 张图像及其详尽标签，旨在为角色定制化图像生成提供标准化的训练素材。其核心研究问题在于如何通过精准的标签体系与多尺度预处理（如 1200px 短边对齐、三阶段裁剪）来提升模型对特定角色特征（如狐耳、光环、紫色瞳孔）的还原能力，从而在动漫风格迁移与角色一致性生成领域产生深远影响。

当前挑战

该数据集面临的核心挑战首先源于动漫角色生成领域的固有难题：如何在有限样本（207 张）中平衡角色身份保持与视觉多样性，避免模型过拟合于特定姿势或场景。其次，构建过程中遭遇了多源数据整合的复杂性，包括不同站点间图像分辨率差异、标签噪声（如自动标注的冗余或缺失）以及版权合规问题。此外，数据集中存在的成人向内容（如标签中的‘penis’、‘cum_on_breasts’）对模型的安全部署构成伦理挑战，需要在训练时进行内容过滤或平衡处理。最后，多阶段裁剪策略虽提升了图像利用率，却可能引入局部特征失真，考验算法对非标准构图的适应能力。

常用场景

经典使用场景

在二次元角色生成与风格迁移领域，CyberHarem/rumi_bluearchive 数据集因其包含207张高分辨率图像及精细标签，成为训练文本到图像模型（如Stable Diffusion）的经典微调资源。研究者常利用该数据集对特定角色“朱城瑠美”进行概念注入，通过LoRA或DreamBooth等轻量级方法，在保留模型原有泛化能力的同时，精准复现角色标志性外貌特征，如狐耳、光环与紫色眼眸。该数据集提供的多尺度裁剪版本（1200像素及stage3-p480-1200）适配不同训练需求，而标签聚类结果则助力于分析角色在不同场景下的风格一致性，为跨模态生成任务奠定了数据基础。

衍生相关工作

该数据集衍生了一系列经典工作，包括基于标签聚类分析的风格解耦研究，其中研究者通过对比不同聚类组（如日常装束与战斗场景）的标签分布，提出了角色语义空间分解方法。此外，该数据集催生了针对动漫角色特征提取的基准测试，例如利用其核心标签评估模型对“兽耳”“光环”等细粒度属性的识别与生成能力。在扩散模型可解释性方面，有工作通过分析该数据集训练后的模型注意力图，揭示了角色身份特征（如发色与瞳色）在噪声预测中的权重变化，为后续概念编辑与遗忘研究提供了实证基础。

数据集最近研究

最新研究方向

该数据集聚焦于《蓝色档案》角色朱城瑠美的视觉素材构建，其前沿研究方向主要体现在基于标签聚类的细粒度特征挖掘与多模态生成式AI的适配优化上。通过自动爬取207幅高分辨率图像并提取核心标签如棕色长发、狐耳、光环等，数据集为文本到图像模型提供了精准的语义锚点。当前热点在于利用聚类分析（如场景、服饰、姿态分组）辅助扩散模型实现角色一致性的可控生成，尤其针对二次元风格中复杂装饰（如半透明衬衫、湿身效果）的渲染挑战。此外，数据集的规模虽小（<1K），但其标签结构化设计（如三级裁剪版本）为小样本学习与个性化微调（DreamBooth/LoRA）提供了高效基准，推动了虚拟角色在游戏美术、同人创作及AI辅助设计中的工业化应用，同时引发了对版权归属与内容伦理的行业讨论。