CyberHarem/mary_cochran_idolmastercinderellagirls

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

# Dataset of mary_cochran/メアリー・コクラン (THE iDOLM@STER: Cinderella Girls)

This is the dataset of mary_cochran/メアリー・コクラン (THE iDOLM@STER: Cinderella Girls), containing 84 images and their tags.

The core tags of this character are `blonde_hair, long_hair, twintails, bow, bangs, hair_bow, green_eyes, aqua_eyes, blunt_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 | 84 | 60.11 MiB | [Download](https://huggingface.co/datasets/CyberHarem/mary_cochran_idolmastercinderellagirls/resolve/main/dataset-raw.zip) | Waifuc-Raw | Raw data with meta information (min edge aligned to 1400 if larger). |
| 800 | 84 | 49.09 MiB | [Download](https://huggingface.co/datasets/CyberHarem/mary_cochran_idolmastercinderellagirls/resolve/main/dataset-800.zip) | IMG+TXT | dataset with the shorter side not exceeding 800 pixels. |
| stage3-p480-800 | 152 | 86.41 MiB | [Download](https://huggingface.co/datasets/CyberHarem/mary_cochran_idolmastercinderellagirls/resolve/main/dataset-stage3-p480-800.zip) | IMG+TXT | 3-stage cropped dataset with the area not less than 480x480 pixels. |
| 1200 | 84 | 58.88 MiB | [Download](https://huggingface.co/datasets/CyberHarem/mary_cochran_idolmastercinderellagirls/resolve/main/dataset-1200.zip) | IMG+TXT | dataset with the shorter side not exceeding 1200 pixels. |
| stage3-p480-1200 | 152 | 100.13 MiB | [Download](https://huggingface.co/datasets/CyberHarem/mary_cochran_idolmastercinderellagirls/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/mary_cochran_idolmastercinderellagirls',
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 | 7 |  |  |  |  |  | 1girl, solo, character_name, star_(symbol), sun_symbol, card_parody, hair_bobbles, innertube, one-piece_swimsuit, open_mouth, school_swimsuit, smile |
| 1 | 10 |  |  |  |  |  | 1girl, smile, solo, dress, looking_at_viewer, open_mouth, short_sleeves, skirt, blush, earrings, one_eye_closed, bracelet, striped, thighhighs |
| 2 | 6 |  |  |  |  |  | 1girl, blush, looking_at_viewer, solo, open_mouth, :d, close-up |
| 3 | 5 |  |  |  |  |  | 1girl, navel, solo, micro_bikini, smile, blue_eyes, blush, flat_chest, heart, looking_at_viewer, polka_dot_bow, side-tie_bikini_bottom, simple_background, white_background, american_flag_bikini, cowboy_shot, hand_on_hip, hand_up, one_eye_closed, small_breasts, thigh_strap, white_bow |
| 4 | 6 |  |  |  |  |  | 1girl, elbow_gloves, looking_at_viewer, midriff, black_gloves, flag, navel, solo, wrist_cuffs, band_uniform, plaid_skirt, union_jack, aiguillette, blue_eyes, boots, crop_top, epaulettes, shako_cap, smile, white_thighhighs |

### Table Version

| # | Samples | Img-1 | Img-2 | Img-3 | Img-4 | Img-5 | 1girl | solo | character_name | star_(symbol) | sun_symbol | card_parody | hair_bobbles | innertube | one-piece_swimsuit | open_mouth | school_swimsuit | smile | dress | looking_at_viewer | short_sleeves | skirt | blush | earrings | one_eye_closed | bracelet | striped | thighhighs | :d | close-up | navel | micro_bikini | blue_eyes | flat_chest | heart | polka_dot_bow | side-tie_bikini_bottom | simple_background | white_background | american_flag_bikini | cowboy_shot | hand_on_hip | hand_up | small_breasts | thigh_strap | white_bow | elbow_gloves | midriff | black_gloves | flag | wrist_cuffs | band_uniform | plaid_skirt | union_jack | aiguillette | boots | crop_top | epaulettes | shako_cap | white_thighhighs |
|----:|----------:|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------|:-------|:-----------------|:----------------|:-------------|:--------------|:---------------|:------------|:---------------------|:-------------|:------------------|:--------|:--------|:--------------------|:----------------|:--------|:--------|:-----------|:-----------------|:-----------|:----------|:-------------|:-----|:-----------|:--------|:---------------|:------------|:-------------|:--------|:----------------|:-------------------------|:--------------------|:-------------------|:-----------------------|:--------------|:--------------|:----------|:----------------|:--------------|:------------|:---------------|:----------|:---------------|:-------|:--------------|:---------------|:--------------|:-------------|:--------------|:--------|:-----------|:-------------|:------------|:-------------------|
| 0 | 7 |  |  |  |  |  | X | X | X | X | X | X | X | X | X | X | X | X | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |
| 1 | 10 |  |  |  |  |  | X | X | | | | | | | | X | | X | X | X | X | X | X | X | X | X | X | X | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |
| 2 | 6 |  |  |  |  |  | X | X | | | | | | | | X | | | | X | | | X | | | | | | X | X | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |
| 3 | 5 |  |  |  |  |  | X | X | | | | | | | | | | X | | X | | | X | | X | | | | | | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | | | | | | | | | | | | | | |
| 4 | 6 |  |  |  |  |  | X | 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: Dataset of mary_cochran/メアリー・コクラン (THE iDOLM@STER: Cinderella Girls)
• 包含内容: 84张图片及其标签
• 核心标签: blonde_hair, long_hair, twintails, bow, bangs, hair_bow, green_eyes, aqua_eyes, blunt_bangs
• 来源: 从多个网站（如danbooru, pixiv, zerochan等）爬取
• 爬取系统: 由DeepGHS Team开发的自动爬取系统

数据集包列表

名称	图片数量	大小	类型	描述
raw	84	60.11 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	84	49.09 MiB	IMG+TXT	短边不超过800像素的数据集
stage3-p480-800	152	86.41 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素
1200	84	58.88 MiB	IMG+TXT	短边不超过1200像素的数据集
stage3-p480-1200	152	100.13 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素

标签聚类结果

原始文本版本

#	样本数量	图片示例	标签
0	7		1girl, solo, character_name, star_(symbol), sun_symbol, card_parody, hair_bobbles, innertube, one-piece_swimsuit, open_mouth, school_swimsuit, smile
1	10		1girl, smile, solo, dress, looking_at_viewer, open_mouth, short_sleeves, skirt, blush, earrings, one_eye_closed, bracelet, striped, thighhighs
2	6		1girl, blush, looking_at_viewer, solo, open_mouth, :d, close-up
3	5		1girl, navel, solo, micro_bikini, smile, blue_eyes, blush, flat_chest, heart, looking_at_viewer, polka_dot_bow, side-tie_bikini_bottom, simple_background, white_background, american_flag_bikini, cowboy_shot, hand_on_hip, hand_up, one_eye_closed, small_breasts, thigh_strap, white_bow
4	6		1girl, elbow_gloves, looking_at_viewer, midriff, black_gloves, flag, navel, solo, wrist_cuffs, band_uniform, plaid_skirt, union_jack, aiguillette, blue_eyes, boots, crop_top, epaulettes, shako_cap, smile, white_thighhighs

表格版本

#	样本数量	图片示例	1girl	solo	character_name	star_(symbol)	sun_symbol	card_parody	hair_bobbles	innertube	one-piece_swimsuit	open_mouth	school_swimsuit	smile	dress	looking_at_viewer	short_sleeves	skirt	blush	earrings	one_eye_closed	bracelet	striped	thighhighs	:d	close-up	navel	micro_bikini	blue_eyes	flat_chest	heart	polka_dot_bow	side-tie_bikini_bottom	simple_background	white_background	american_flag_bikini	cowboy_shot	hand_on_hip	hand_up	small_breasts	thigh_strap	white_bow	elbow_gloves	midriff	black_gloves	flag	wrist_cuffs	band_uniform	plaid_skirt	union_jack	aiguillette	boots	crop_top	epaulettes	shako_cap	white_thighhighs
0	7		X	X	X	X	X	X	X	X	X	X	X	X
1	10		X	X								X		X	X	X	X	X	X	X	X	X	X	X
2	6		X	X								X				X			X						X	X
3	5		X	X										X		X			X		X						X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
4	6		X	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

在数字内容创作领域，高质量的角色图像数据集对于推动文本到图像生成模型的发展至关重要。该数据集聚焦于《偶像大师：灰姑娘女孩》中的角色玛丽·科克兰，通过自动化爬虫系统从Danbooru、Pixiv、Zerochan等多个艺术社区广泛采集图像，最终收录了84张高质量图片及其对应的标签信息。构建过程中，团队对角色核心特征标签（如金色长发、双马尾、蝴蝶结、碧绿眼眸等）进行了精细化筛选与修剪，以确保数据集的纯净度与代表性。数据集以多种分辨率版本（如短边不超过800或1200像素）及三阶段裁剪版本（面积不小于480×480像素）的形式提供，同时保留了包含元数据的原始压缩包，便于研究者根据需求灵活选用。

特点

该数据集最显著的特点在于其多层次的版本设计与精细化的标签体系。除了提供原始图像与元数据外，还特别推出了IMG+TXT格式的标准化数据集，其中包含短边限制为800或1200像素的版本，以及经过三阶段裁剪处理的增强版本（图像数量增至152张），以适应不同训练场景的需求。标签聚类分析是该数据集的一大亮点，通过自动聚类技术将图像按服饰、姿势等特征分为若干簇（如泳装、礼服、制服等主题），并以可视化缩略图与标签表格的形式直观呈现，极大地方便了研究者挖掘角色在不同装扮下的视觉规律。所有图像均经过边缘对齐等预处理，确保了数据的一致性与可用性。

使用方法

研究者可通过Hugging Face Hub便捷地获取该数据集。对于希望直接加载原始数据的用户，推荐使用Waifuc库：首先通过`hf_hub_download`函数下载原始压缩包，解压至本地目录后，利用`LocalSource`接口即可高效遍历图像及其元数据（包括文件名与标签列表）。此外，数据集的多个预处理版本（如800、1200像素及三阶段裁剪版）均以独立压缩包形式提供，用户可根据模型对图像分辨率与裁剪策略的具体要求直接下载使用。标签聚类结果以表格形式附加，便于快速识别不同视觉主题的样本子集，为后续的模型训练或风格迁移实验提供结构化参考。

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浪潮中，针对特定虚拟角色的精细化数据构建成为提升文生图模型表现的关键环节。该数据集由DeepGHS团队于近年创建，聚焦于《偶像大师 灰姑娘女孩》中的角色“玛丽·科克伦”，旨在通过系统化采集与标注，为文本到图像生成任务提供高质量、高一致性的训练素材。研究核心在于解决虚拟角色在多样化艺术风格下的特征保持问题，通过整合来自Danbooru、Pixiv等多平台的84幅图像，并辅以核心标签（如金发、双马尾等）的精炼处理，为领域内的角色定制化生成奠定了数据基础，推动了二次元图像生成技术的边界拓展。

当前挑战

数据集面临的首要挑战在于领域问题的复杂性：文生图任务中，虚拟角色需在保持身份一致性的同时适应不同场景与风格，而现有模型常因训练数据稀疏导致特征混淆或丢失，尤其在处理细粒度装饰（如发饰、服装纹理）时表现不佳。构建过程中，挑战集中于多源图像爬取的合规性与质量管控，需确保版权合规并过滤低分辨率或无关样本；此外，标签体系的不统一（如不同平台对同一特征的描述差异）要求进行人工校验与核心标签剪枝，以降低噪声干扰。数据集容量限制（仅84幅图像）进一步放大了过拟合风险，如何在有限样本中平衡多样性表征与标注精度，成为制约模型泛化能力的关键瓶颈。

常用场景

经典使用场景

在动漫角色图像生成领域，CyberHarem/mary_cochran_idolmastercinderellagirls 数据集为文本到图像（text-to-image）任务提供了高质量的标注素材。其经典使用场景在于利用84张高分辨率图像及其精细的标签信息，训练和微调扩散模型（如Stable Diffusion），以生成特定角色“玛丽·科克伦”的逼真肖像或全身像。研究者通过该数据集可精确控制角色的核心外观特征，如金发、双马尾、绿色眼眸等，从而在保持角色一致性的前提下实现风格化创作或场景变换。

解决学术问题

该数据集有效解决了动漫角色图像生成中常见的身份一致性与细节保真度难题。学术研究中，模型常因训练数据匮乏而难以区分相似角色或生成符合特定外观的细节。此数据集通过提供角色专属的、经过标签修剪的图像集合，使得模型能够学习到从文本描述到视觉特征的高度映射关系，从而在生成过程中减少角色混淆。其意义在于为可控图像生成、个性化内容创作等方向提供了标准化基准，推动了少样本学习在动漫领域的应用。

衍生相关工作

围绕该数据集衍生了一系列经典工作，包括基于聚类分析的服饰变体挖掘、多阶段裁剪（3-stage cropped）策略以优化训练样本质量，以及与其他同系列角色数据集联合训练的跨角色风格迁移研究。这些工作不仅探索了从粗粒度标签到细粒度视觉特征的映射关系，还推动了数据增强技术（如随机裁剪、标签筛选）在动漫图像生成中的标准化。此外，该数据集常作为基准，用于评估少样本角色生成模型的泛化能力与过拟合抑制效果。