CyberHarem/umikaze_azurlane

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

# Dataset of umikaze/海風/海风 (Azur Lane)

This is the dataset of umikaze/海風/海风 (Azur Lane), containing 36 images and their tags.

The core tags of this character are `long_hair, breasts, blue_eyes, hair_ornament, bangs, hair_between_eyes, very_long_hair, grey_hair, animal_ears, grey_eyes, rabbit_ears, white_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 | 36 | 59.41 MiB | [Download](https://huggingface.co/datasets/CyberHarem/umikaze_azurlane/resolve/main/dataset-raw.zip) | Waifuc-Raw | Raw data with meta information (min edge aligned to 1400 if larger). |
| 800 | 36 | 28.79 MiB | [Download](https://huggingface.co/datasets/CyberHarem/umikaze_azurlane/resolve/main/dataset-800.zip) | IMG+TXT | dataset with the shorter side not exceeding 800 pixels. |
| stage3-p480-800 | 90 | 65.74 MiB | [Download](https://huggingface.co/datasets/CyberHarem/umikaze_azurlane/resolve/main/dataset-stage3-p480-800.zip) | IMG+TXT | 3-stage cropped dataset with the area not less than 480x480 pixels. |
| 1200 | 36 | 49.22 MiB | [Download](https://huggingface.co/datasets/CyberHarem/umikaze_azurlane/resolve/main/dataset-1200.zip) | IMG+TXT | dataset with the shorter side not exceeding 1200 pixels. |
| stage3-p480-1200 | 90 | 101.72 MiB | [Download](https://huggingface.co/datasets/CyberHarem/umikaze_azurlane/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/umikaze_azurlane',
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 | 14 |  |  |  |  |  | 1girl, looking_at_viewer, solo, blush, white_thighhighs, fake_animal_ears, white_leotard, bare_shoulders, brown_hair, medium_breasts, sitting, two_side_up, ahoge, cleavage, collarbone, flower, no_shoes, open_mouth, playboy_bunny |

### Table Version

| # | Samples | Img-1 | Img-2 | Img-3 | Img-4 | Img-5 | 1girl | looking_at_viewer | solo | blush | white_thighhighs | fake_animal_ears | white_leotard | bare_shoulders | brown_hair | medium_breasts | sitting | two_side_up | ahoge | cleavage | collarbone | flower | no_shoes | open_mouth | playboy_bunny |
|----:|----------:|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------|:--------------------|:-------|:--------|:-------------------|:-------------------|:----------------|:-----------------|:-------------|:-----------------|:----------|:--------------|:--------|:-----------|:-------------|:---------|:-----------|:-------------|:----------------|
| 0 | 14 |  |  |  |  |  | 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

数据集名称

• 名称: umikaze/海風/海风 (Azur Lane)

数据集内容

• 描述: 包含36张图像及其标签。
• 核心标签: long_hair, breasts, blue_eyes, hair_ornament, bangs, hair_between_eyes, very_long_hair, grey_hair, animal_ears, grey_eyes, rabbit_ears, white_hair

数据集版本

• raw: 36张图像，59.41 MiB，包含元信息，最小边对齐到1400像素（如果更大）。
• 800: 36张图像，28.79 MiB，短边不超过800像素。
• stage3-p480-800: 90张图像，65.74 MiB，三阶段裁剪，区域不小于480x480像素。
• 1200: 36张图像，49.22 MiB，短边不超过1200像素。
• stage3-p480-1200: 90张图像，101.72 MiB，三阶段裁剪，区域不小于480x480像素。

数据集使用

• 加载方式: 支持通过waifuc加载原始数据集。

数据集标签集群

• 集群示例: 包含14个样本，展示不同图像及其共同标签。
• 标签示例: 1girl, looking_at_viewer, solo, blush, white_thighhighs, fake_animal_ears, white_leotard, bare_shoulders, brown_hair, medium_breasts, sitting, two_side_up, ahoge, cleavage, collarbone, flower, no_shoes, open_mouth, playboy_bunny

数据集属性

• 许可: MIT
• 任务类别: text-to-image
• 标签: art, not-for-all-audiences
• 大小类别: n<1K

搜集汇总

数据集介绍

构建方式

该数据集聚焦于游戏《碧蓝航线》中的角色“海风”（umikaze），共收录36张图像及其对应标签。图像数据经由DeepGHS团队开发的自动化爬取系统，从Danbooru、Pixiv、Zerochan等多个知名图站采集而来。原始数据经过精心筛选与标注，其核心标签如长发、胸部、蓝眼、兔耳等特征被保留，以凸显角色辨识度。数据集提供了多种处理版本，包括原始版、短边限制版（800像素与1200像素）以及三级裁剪版，满足不同研究与应用需求。

使用方法

数据集的使用方法灵活多样。用户可通过Hugging Face Hub直接下载各版本压缩包，其中原始版支持通过Waifuc库加载，利用`LocalSource`接口轻松读取图像与标签元数据。对于裁剪版，用户可直接解压获取图像与对应文本文件，适用于快速训练。推荐使用Python环境，结合`huggingface_hub`与`waifuc`工具链，即可实现数据的高效加载与预处理，为文本到图像生成任务提供标准化输入。

背景与挑战

背景概述

在计算机视觉与生成式人工智能领域，面向特定动漫角色的图像数据集构建是推动文本到图像生成模型精细化发展的重要基石。CyberHarem/umikaze_azurlane 数据集由 DeepGHS 团队于近期创建，聚焦于《碧蓝航线》中的角色“海风”，收录了 36 张精心筛选的图像及其标签。该数据集的核心研究问题在于如何通过自动爬取与多源整合（如 Danbooru、Pixiv 等平台），高效构建高质量、标注一致的单一角色图像库，以支持后续的模型微调与风格迁移任务。尽管规模有限，但其对角色核心特征（如长发、蓝眼、兔耳等）的精确标注与多分辨率版本（如 800px、1200px）的提供，为二次元角色定制化生成研究提供了可复用的范例，在动漫 AI 社区中具有重要的参考价值。

当前挑战

该数据集面临多重挑战。在领域问题层面，文本到图像模型在处理细粒度角色特征时易出现属性混淆或丢失，例如海风标志性的兔耳与灰发需在生成中精确保持，而现有模型对复杂装饰（如发饰、动物耳）的语义理解仍不充分。在构建过程中，自动爬取系统虽高效，却面临数据源版权不确定性与图像质量参差不齐的困境，需通过人工标签筛选与裁剪策略（如三阶段裁剪）进行平衡。此外，36 张样本的有限规模限制了模型泛化能力，易导致过拟合，且不同来源的图像在画风、光照与视角上的差异增加了标注一致性维护的难度，对下游任务的数据增强与正则化技术提出了更高要求。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/umikaze_azurlane数据集为特定动漫角色“海风”（来自游戏《碧蓝航线》）的精细生成提供了高质量的图文配对资源。该数据集包含36张精心筛选的图像及其对应的标签，核心特征如长发、蓝眼、兔耳等被显式标注，使其成为微调扩散模型（如Stable Diffusion）以生成角色一致化图像的理想选择。研究者常利用该数据集进行角色定制化生成，通过条件控制技术确保输出图像在服饰、发型和面部特征上与原始角色高度吻合，从而验证模型对细粒度视觉概念的学习能力。

解决学术问题

该数据集有效解决了动漫角色生成中身份保持与泛化能力的学术难题。传统生成模型常因训练数据不足导致角色特征混淆，而CyberHarem/umikaze_azurlane通过结构化标签和裁剪预处理，为少样本学习提供了基准。研究者得以探索基于文本嵌入的角色解耦表示，分析不同标签组合对生成结果的影响，并评估模型在有限数据下对长尾特征的捕捉效率。其意义在于推动了条件生成模型在虚拟角色创作中的可控性研究，为后续基于注意力机制的特征对齐工作奠定了数据基础。

实际应用

在实际应用中，该数据集助力于游戏与动漫产业的自动化资产生成。开发者可基于此训练模型，快速生成“海风”角色在不同场景、姿态或服装下的变体，大幅降低原画设计的人力成本。此外，该数据集通过多分辨率版本（如800px和1200px）适配不同算力需求，支持从移动端到云端的部署。在粉丝创作社区中，它被用于个性化内容生成工具，用户仅需输入文本描述即可获得风格统一的角色插画，从而加速二次创作生态的繁荣。

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领域，该数据集聚焦于《碧蓝航线》中'海风'角色的精细化图像-文本对构建，为文本到图像（text-to-image）模型提供了高度结构化的训练素材。当前研究热点在于利用多尺度裁剪（如stage3-p480-800）和标签聚类技术（如playboy_bunny等细粒度特征），提升生成模型对角色核心属性（如兔耳、灰发、蓝眼等）的保真度与多样性。该数据集通过自动爬取与Waifuc框架集成，推动了动漫角色数据集标准化进程，尤其在少样本学习（仅36张原始图像）场景下，为可控图像生成与风格迁移研究提供了关键基准，对虚拟角色创作与IP衍生应用具有显著意义。