CyberHarem/emily_stewart_theidolmstermillionlive

---
license: mit
task_categories:
- text-to-image
tags:
- art
- not-for-all-audiences
size_categories:
- n<1K
---

# Dataset of emily_stewart/エミリー・スチュアート/에밀리스튜어트 (THE iDOLM@STER: Million Live!)

This is the dataset of emily_stewart/エミリー・スチュアート/에밀리스튜어트 (THE iDOLM@STER: Million Live!), containing 234 images and their tags.

The core tags of this character are `blonde_hair, long_hair, purple_eyes, twintails, hairband, bangs`, 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 | 234 | 249.01 MiB | [Download](https://huggingface.co/datasets/CyberHarem/emily_stewart_theidolmstermillionlive/resolve/main/dataset-raw.zip) | Waifuc-Raw | Raw data with meta information (min edge aligned to 1400 if larger). |
| 800 | 234 | 165.29 MiB | [Download](https://huggingface.co/datasets/CyberHarem/emily_stewart_theidolmstermillionlive/resolve/main/dataset-800.zip) | IMG+TXT | dataset with the shorter side not exceeding 800 pixels. |
| stage3-p480-800 | 536 | 343.60 MiB | [Download](https://huggingface.co/datasets/CyberHarem/emily_stewart_theidolmstermillionlive/resolve/main/dataset-stage3-p480-800.zip) | IMG+TXT | 3-stage cropped dataset with the area not less than 480x480 pixels. |
| 1200 | 234 | 226.28 MiB | [Download](https://huggingface.co/datasets/CyberHarem/emily_stewart_theidolmstermillionlive/resolve/main/dataset-1200.zip) | IMG+TXT | dataset with the shorter side not exceeding 1200 pixels. |
| stage3-p480-1200 | 536 | 455.07 MiB | [Download](https://huggingface.co/datasets/CyberHarem/emily_stewart_theidolmstermillionlive/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/emily_stewart_theidolmstermillionlive',
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 | 12 |  |  |  |  |  | 1girl, hair_flower, open_mouth, solo, kimono, blush, looking_at_viewer, :d, floral_print, obi, own_hands_together |
| 1 | 9 |  |  |  |  |  | 1girl, looking_at_viewer, solo, white_background, :d, blush, open_mouth, simple_background, parted_bangs, long_sleeves, white_shirt, blue_dress, hair_bow, sleeveless |
| 2 | 5 |  |  |  |  |  | 1girl, blush, navel, nipples, female_pubic_hair, medium_breasts, completely_nude, looking_at_viewer, open_mouth, solo, 1boy, blonde_pubic_hair, hetero, pussy_juice, small_breasts, smile, spread_legs, sweat, uncensored |

### Table Version

| # | Samples | Img-1 | Img-2 | Img-3 | Img-4 | Img-5 | 1girl | hair_flower | open_mouth | solo | kimono | blush | looking_at_viewer | :d | floral_print | obi | own_hands_together | white_background | simple_background | parted_bangs | long_sleeves | white_shirt | blue_dress | hair_bow | sleeveless | navel | nipples | female_pubic_hair | medium_breasts | completely_nude | 1boy | blonde_pubic_hair | hetero | pussy_juice | small_breasts | smile | spread_legs | sweat | uncensored |
|----:|----------:|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------|:--------------|:-------------|:-------|:---------|:--------|:--------------------|:-----|:---------------|:------|:---------------------|:-------------------|:--------------------|:---------------|:---------------|:--------------|:-------------|:-----------|:-------------|:--------|:----------|:--------------------|:-----------------|:------------------|:-------|:--------------------|:---------|:--------------|:----------------|:--------|:--------------|:--------|:-------------|
| 0 | 12 |  |  |  |  |  | X | X | X | X | X | X | X | X | X | X | X | | | | | | | | | | | | | | | | | | | | | | |
| 1 | 9 |  |  |  |  |  | X | | X | X | | X | X | X | | | | X | X | X | X | X | X | X | X | | | | | | | | | | | | | | |
| 2 | 5 |  |  |  |  |  | X | | X | 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

数据集信息

• 名称: emily_stewart/エミリー・スチュアート/에밀리스튜어트 (THE iDOLM@STER: Million Live!)
• 许可证: MIT
• 任务类别: text-to-image
• 标签: art, not-for-all-audiences
• 大小类别: n<1K

数据集内容

• 图像数量: 234
• 核心标签: blonde_hair, long_hair, purple_eyes, twintails, hairband, bangs

数据集包列表

名称	图像数量	大小	类型	描述
raw	234	249.01 MiB	Waifuc-Raw	原始数据，包含元信息（最小边对齐到1400像素，如果更大）。
800	234	165.29 MiB	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	536	343.60 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。
1200	234	226.28 MiB	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	536	455.07 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。

集群列表

原始文本版本

#	Samples	Img-1	Img-2	Img-3	Img-4	Img-5	Tags
0	12						1girl, hair_flower, open_mouth, solo, kimono, blush, looking_at_viewer, :d, floral_print, obi, own_hands_together
1	9						1girl, looking_at_viewer, solo, white_background, :d, blush, open_mouth, simple_background, parted_bangs, long_sleeves, white_shirt, blue_dress, hair_bow, sleeveless
2	5						1girl, blush, navel, nipples, female_pubic_hair, medium_breasts, completely_nude, looking_at_viewer, open_mouth, solo, 1boy, blonde_pubic_hair, hetero, pussy_juice, small_breasts, smile, spread_legs, sweat, uncensored

表格版本

#	Samples	Img-1	Img-2	Img-3	Img-4	Img-5	1girl	hair_flower	open_mouth	solo	kimono	blush	looking_at_viewer	:d	floral_print	obi	own_hands_together	white_background	simple_background	parted_bangs	long_sleeves	white_shirt	blue_dress	hair_bow	sleeveless	navel	nipples	female_pubic_hair	medium_breasts	completely_nude	1boy	blonde_pubic_hair	hetero	pussy_juice	small_breasts	smile	spread_legs	sweat	uncensored
0	12						X	X	X	X	X	X	X	X	X	X	X
1	9						X		X	X		X	X	X				X	X	X	X	X	X	X	X
2	5						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

该数据集聚焦于《偶像大师：百万现场！》中的角色艾米莉·斯图尔特，汇集了234幅经过精细标注的图像。数据采集源涵盖Danbooru、Pixiv、Zerochan等多个知名艺术平台，依托DeepGHS团队开发的自动爬取系统完成高效抓取。构建过程中，图像的最小边被对齐至1400像素以保留原始细节，随后提供多种分辨率版本（如800、1200像素）及三级裁剪版本（面积不低于480x480像素），以满足不同训练需求。核心标签如金发、长发、紫瞳、双马尾等被系统化裁剪，确保数据集的纯净性与针对性。

特点

数据集以多版本打包形式呈现，包含原始元数据包、标准化尺寸包及三级裁剪增强包，其中裁剪版本通过分阶段处理生成536幅子图，显著扩充了样本多样性。标签聚类分析是核心特色，通过算法将图像按视觉与语义相似性分组，例如和服装扮、简约背景等主题簇，甚至涵盖特定艺术风格（如NSFW内容），便于用户挖掘角色不同造型与场景。所有数据均采用IMG+TXT格式，标签与图像一一对应，结构清晰，适配现代文本到图像生成模型的训练范式。

使用方法

数据集支持通过Hugging Face Hub直接下载，用户可根据需求选择raw、800、1200或stage3裁剪版本。对于原始数据，推荐使用Waifuc库进行加载：首先通过huggingface_hub下载压缩包，解压至本地目录，再利用LocalSource接口读取图像及关联标签。代码示例展示了从下载到迭代访问的完整流程，每个数据项包含图像对象、文件名与标签元数据，便于快速集成至训练管线。此外，数据集附带的聚类结果以表格和图像预览形式提供，可辅助用户筛选特定子集或进行风格迁移实验。

背景与挑战

背景概述

在虚拟角色图像生成领域，高质量、精细标注的数据集是推动文本到图像（text-to-image）模型发展的关键基石。由DeepGHS团队于近期创建的CyberHarem/emily_stewart_theidolmstermillionlive数据集，聚焦于《偶像大师：百万现场！》中的角色艾米莉·斯图尔特（エミリー・スチュアート），旨在为动漫风格图像生成提供专业化的训练资源。该数据集包含234张从Danbooru、Pixiv、Zerochan等多源平台自动爬取的图像，并附有详尽的标签信息，核心特征如金发、长髮、紫瞳、双马尾等已被精简处理。通过提供不同分辨率（如800px、1200px）及三阶段裁剪后的数据包，该数据集显著提升了模型对特定角色外貌与服饰细节的捕捉能力，为虚拟角色定制化生成研究奠定了坚实的数据基础。

当前挑战

该数据集面临的核心挑战之一在于领域问题的复杂性：文本到图像生成任务需要模型在精准理解角色核心特征（如发型、瞳色、配饰）的同时，兼顾多样化的服饰、姿态与场景组合，而当前仅有234张图像的数据规模难以覆盖角色丰富的表现形态，易导致生成结果出现特征缺失或风格同质化。构建过程中，自动爬取系统虽提高了效率，但面临图像来源混杂、标签一致性差及部分内容涉及成人题材（如集群2所示）等难题，需通过人工审核与标签聚类算法进行清洗与去重。此外，多分辨率与裁剪策略的平衡亦构成挑战——过高的分辨率虽保留细节却增加计算负担，而过度裁剪可能丢失关键构图信息，如何在有限样本中优化数据增强方案以提升模型泛化能力，仍是亟待突破的瓶颈。

常用场景

经典使用场景

该数据集聚焦于《偶像大师：百万现场！》中的角色艾米莉·斯图尔特，收录了234张高质量图像及其详细标签，旨在为文本到图像生成任务提供精细化的训练资源。在动漫角色生成领域，研究者常利用此数据集微调扩散模型或对抗生成网络，以捕捉角色的标志性特征——如金色双马尾、紫色眼眸与发饰细节，从而提升生成图像的风格一致性与角色辨识度。数据集提供了多种分辨率版本（800px、1200px）及三级裁剪处理后的样本，适应不同模型对输入尺寸的需求，成为二次元角色定制化生成研究的基准素材之一。

衍生相关工作

该数据集衍生出多项经典工作，包括基于标签聚类分析的服饰识别研究（如通过K-means划分和服、泳装等场景），以及面向动漫角色的三级裁剪预处理流程，该流程被后续多个角色数据集采纳为标准构建范式。此外，利用此数据集训练的LoRA（低秩适应）模型在CivitAI等社区成为热门资源，推动了‘角色特化型’微调技术的普及。研究者还基于其标签体系开发了自动标注工具，实现了从图像到结构化描述的高效映射，进一步丰富了动漫领域的数据增强方法论。

数据集最近研究

最新研究方向

在二次元角色生成与个性化定制的前沿浪潮中，基于《偶像大师》IP的角色数据集构建正成为文本到图像生成领域的重要分支。该数据集聚焦于艾米莉·斯图尔特这一虚拟偶像，通过汇聚来自Danbooru、Pixiv等多平台的234张高质量图像及精细标注，为风格迁移、角色一致性生成等任务提供了标准化基准。当前研究热点集中于利用此类精细化标注数据集优化扩散模型的角色特征保持能力，尤其是通过标签聚类分析（如服饰、姿态等语义簇）实现多模态条件控制。该数据集的出现不仅推动了虚拟偶像在AI创作中的大规模应用，更呼应了数字娱乐产业对可控内容生成工具日益增长的需求，为元宇宙场景下的角色资产化提供了数据基础设施。