CyberHarem/higana_pokemon

--- license: mit task_categories: - text-to-image tags: - art - not-for-all-audiences size_categories: - n<1K --- # Dataset of higana (Pokémon) This is the dataset of higana (Pokémon), containing 223 images and their tags. The core tags of this character are `black_hair, breasts, short_hair, red_eyes, dark_skin, large_breasts, short_ponytail, dark-skinned_female`, 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 | 223 | 198.97 MiB | [Download](https://huggingface.co/datasets/CyberHarem/higana_pokemon/resolve/main/dataset-raw.zip) | Waifuc-Raw | Raw data with meta information (min edge aligned to 1400 if larger). | | 800 | 223 | 121.78 MiB | [Download](https://huggingface.co/datasets/CyberHarem/higana_pokemon/resolve/main/dataset-800.zip) | IMG+TXT | dataset with the shorter side not exceeding 800 pixels. | | stage3-p480-800 | 540 | 254.32 MiB | [Download](https://huggingface.co/datasets/CyberHarem/higana_pokemon/resolve/main/dataset-stage3-p480-800.zip) | IMG+TXT | 3-stage cropped dataset with the area not less than 480x480 pixels. | | 1200 | 223 | 181.12 MiB | [Download](https://huggingface.co/datasets/CyberHarem/higana_pokemon/resolve/main/dataset-1200.zip) | IMG+TXT | dataset with the shorter side not exceeding 1200 pixels. | | stage3-p480-1200 | 540 | 337.71 MiB | [Download](https://huggingface.co/datasets/CyberHarem/higana_pokemon/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/higana_pokemon', 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 | 25 |  |  |  |  |  | 1girl, solo, nipples, blush, nude, smile, looking_at_viewer, navel, pussy | | 1 | 21 |  |  |  |  |  | 1boy, 1girl, hetero, sex, solo_focus, vaginal, blush, sweat, nude, nipples, penis, girl_on_top, open_mouth, bar_censor, pussy, cowgirl_position | | 2 | 5 |  |  |  |  |  | 1boy, 1girl, barefoot, blush, feet, hetero, penis, solo_focus, toes, mosaic_censoring, navel, smile, two-footed_footjob, nipples, sweat, bikini, cleavage, ejaculation, naked_cape, naked_cloak, nude, open_mouth, pov | | 3 | 7 |  |  |  |  |  | 1girl, looking_at_viewer, short_shorts, smile, blush, grey_thighhighs, solo, bangs, cloak, over-kneehighs, bare_shoulders, black_shirt, cleavage, grey_shorts, open_mouth, pokemon_(creature), simple_background, sleeveless_shirt, white_background | ### Table Version | # | Samples | Img-1 | Img-2 | Img-3 | Img-4 | Img-5 | 1girl | solo | nipples | blush | nude | smile | looking_at_viewer | navel | pussy | 1boy | hetero | sex | solo_focus | vaginal | sweat | penis | girl_on_top | open_mouth | bar_censor | cowgirl_position | barefoot | feet | toes | mosaic_censoring | two-footed_footjob | bikini | cleavage | ejaculation | naked_cape | naked_cloak | pov | short_shorts | grey_thighhighs | bangs | cloak | over-kneehighs | bare_shoulders | black_shirt | grey_shorts | pokemon_(creature) | simple_background | sleeveless_shirt | white_background | |----:|----------:|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------|:-------|:----------|:--------|:-------|:--------|:--------------------|:--------|:--------|:-------|:---------|:------|:-------------|:----------|:--------|:--------|:--------------|:-------------|:-------------|:-------------------|:-----------|:-------|:-------|:-------------------|:---------------------|:---------|:-----------|:--------------|:-------------|:--------------|:------|:---------------|:------------------|:--------|:--------|:-----------------|:-----------------|:--------------|:--------------|:---------------------|:--------------------|:-------------------|:-------------------| | 0 | 25 |  |  |  |  |  | X | X | X | X | X | X | X | X | X | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | 1 | 21 |  |  |  |  |  | X | | X | 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 | X | X | X | X | | | | | | | | | | | | | | 3 | 7 |  |  |  |  |  | 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

数据集基本信息

• 名称: Dataset of higana (Pokémon)
• 许可证: MIT
• 任务类别: text-to-image
• 标签: art, not-for-all-audiences
• 数据量: n<1K

数据集内容

• 图像数量: 223张
• 核心标签: black_hair, breasts, short_hair, red_eyes, dark_skin, large_breasts, short_ponytail, dark-skinned_female
• 来源: 从多个网站爬取，如danbooru, pixiv, zerochan等

数据集包列表

名称	图像数量	大小	类型	描述
raw	223	198.97 MiB	Waifuc-Raw	包含元信息的原始数据（最小边对齐到1400像素，如果更大）。
800	223	121.78 MiB	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	540	254.32 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。
1200	223	181.12 MiB	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	540	337.71 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。

加载原始数据集

• 工具: waifuc
• 方法: 通过Python代码下载并解压原始数据集，使用waifuc加载

标签聚类结果

• 样本数量: 25, 21, 5, 7
• 标签示例:
  • 1girl, solo, nipples, blush, nude, smile, looking_at_viewer, navel, pussy
  • 1boy, 1girl, hetero, sex, solo_focus, vaginal, blush, sweat, nude, nipples, penis, girl_on_top, open_mouth, bar_censor, pussy, cowgirl_position
  • 1boy, 1girl, barefoot, blush, feet, hetero, penis, solo_focus, toes, mosaic_censoring, navel, smile, two-footed_footjob, nipples, sweat, bikini, cleavage, ejaculation, naked_cape, naked_cloak, nude, open_mouth, pov
  • 1girl, looking_at_viewer, short_shorts, smile, blush, grey_thighhighs, solo, bangs, cloak, over-kneehighs, bare_shoulders, black_shirt, cleavage, grey_shorts, open_mouth, pokemon_(creature), simple_background, sleeveless_shirt, white_background

搜集汇总

数据集介绍

构建方式

在宝可梦同人艺术数据集的构建中，CyberHarem/higana_pokemon聚焦于角色“higana”，从Danbooru、Pixiv、Zerochan等多个站点通过由DeepGHS团队开发的自动化爬取系统采集了223张图像及其标签。核心标签如黑发、胸部、短发、红眼、深色皮肤等被精简处理以突出角色特征。数据集提供了多种规格的压缩包，包括原始数据（含元信息，最小边对齐至1400像素）、短边不超过800或1200像素的版本，以及经过三阶段裁剪、面积不低于480x480像素的增强版本，以适应不同训练需求。

使用方法

数据集的使用方法灵活多样。用户可直接通过Hugging Face Hub下载各规格的ZIP文件，例如使用Python代码结合`huggingface_hub`库获取原始数据，并借助`waifuc`框架的`LocalSource`加载图像与标签，实现迭代访问。此外，聚类结果以文本和表格形式呈现，支持快速检索标签分布，便于筛选特定场景。对于文本到图像模型训练，推荐使用IMG+TXT格式的压缩包，其中标签文件与图像一一对应，可直接用于监督学习或微调任务。

背景与挑战

背景概述

在生成式人工智能与数字艺术交汇的时代，面向特定角色的图像数据集成为文本到图像生成模型微调的关键资源。CyberHarem/higana_pokemon数据集由DeepGHS团队于近期构建，聚焦于宝可梦系列中的角色“higana”，共收录223张来自Danbooru、Pixiv、Zerochan等多平台的图像及其标签。该数据集的核心研究问题在于为这一特定角色提供高质量、多视角的视觉素材，以支持风格迁移、角色定制及文本到图像生成任务的精细化训练。其影响力体现在为二次元角色数据集生态补充了稀缺的暗肤、短发、红眼等特征组合的标注数据，借助Waifuc工具链实现了从爬取到预处理的全流程自动化，为同类小规模角色数据集的建设树立了可复用的技术范式。

当前挑战

该数据集面临的核心挑战首先在于领域内的数据稀缺性与多样性平衡：宝可梦角色‘higana’的公开图像数量有限，223张原始图像难以覆盖不同姿态、场景与光照条件，可能导致生成模型产生过拟合或风格单一化问题。其次，构建过程中遭遇了多源异构数据的整合难题，自动爬取系统需处理不同网站的分辨率差异、版权水印及标签风格不统一等噪声，例如从Danbooru获取的标签体系与Pixiv的元数据结构存在显著差异。此外，数据集的成人内容标签（如‘nude’、‘sex’）带来了伦理与合规挑战，需在公开分发时明确标注‘not-for-all-audiences’以规避滥用风险，同时裁剪与缩放策略（如stage3-p480-800方案）需在保留图像语义完整性与降低存储开销间寻求最优解。

常用场景

经典使用场景

在动漫角色生成与风格迁移领域，CyberHarem/higana_pokemon数据集为基于文本到图像扩散模型的角色定制化训练提供了高质量素材。该数据集包含223张经人工标注的宝可梦角色‘火神蛾’拟人化图像，并提供了多尺度裁剪版本（如800px、1200px及三级裁剪版本），适配不同分辨率需求的模型微调。研究者可借助其标签体系（如黑发、深色皮肤、短马尾等核心属性）进行条件生成实验，或利用waifuc工具链实现图像与元数据的协同加载，从而探索特定角色在不同画风下的泛化能力。

解决学术问题

该数据集有效缓解了动漫角色生成研究中因样本稀缺导致的过拟合问题，尤其为拟人化角色（如宝可梦角色）的视觉特征解耦与属性组合学习提供了标准化基准。通过其聚类标签（如服饰、姿态、交互场景的自动分组），研究者可系统分析多模态属性（如裸露、表情、视角）在生成模型中的耦合机制，进而推动可控生成与细粒度图像编辑的学术进展。其意义在于填补了非版权受限的动漫角色数据集空白，为文本到图像模型的公平性评估与可解释性研究提供了实验基础。

实际应用

在实际应用中，该数据集可支撑游戏美术资源自动化管线构建，例如通过微调Stable Diffusion等模型快速生成符合角色设定（如深色皮肤、短发造型）的概念设计图或宣传素材。此外，其三级裁剪版本可适配移动端实时生成场景，辅助独立开发者或小型工作室降低角色原画的外包成本。在内容创作社区中，该数据集亦可作为二次创作工具的基础，支持用户基于文本描述生成风格统一的同人插画或虚拟偶像形象。

数据集最近研究

最新研究方向

在生成式人工智能与二次元文化交融的前沿领域，聚焦于《宝可梦》系列中特定角色“higana”的图像数据集构建，正成为推动文本到图像生成模型精细化发展的重要基石。该数据集不仅囊括了223张精心标注的高质量图像，其核心标签如“黑发”、“深色皮肤”等精准刻画了角色特征，更通过自动爬取系统整合了Danbooru、Pixiv等多源平台的创作资源。当前研究热点已从单纯的数据量积累转向标签结构化与子场景聚类分析的深度挖掘，例如通过聚类结果揭示不同着装与情境下的角色变体，为模型学习复杂视觉概念与风格迁移提供了宝贵素材。这一工作紧密关联着二次元生成模型在角色一致性、细节可控性及多样性上的突破，其意义在于为AI艺术创作中非主流或特定风格角色的精准再现奠定了基础，推动了数字内容生成技术的精细化与个性化发展。