CyberHarem/matsuwa_kantaicollection

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

# Dataset of matsuwa (Kantai Collection)

This is the dataset of matsuwa (Kantai Collection), containing 361 images and their tags.

The core tags of this character are `long_hair, black_hair, multicolored_hair, green_eyes, gradient_hair, purple_hair, hat, white_headwear, freckles, sailor_hat`, 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 | 361 | 323.58 MiB | [Download](https://huggingface.co/datasets/CyberHarem/matsuwa_kantaicollection/resolve/main/dataset-raw.zip) | Waifuc-Raw | Raw data with meta information (min edge aligned to 1400 if larger). |
| 800 | 361 | 211.08 MiB | [Download](https://huggingface.co/datasets/CyberHarem/matsuwa_kantaicollection/resolve/main/dataset-800.zip) | IMG+TXT | dataset with the shorter side not exceeding 800 pixels. |
| stage3-p480-800 | 758 | 438.69 MiB | [Download](https://huggingface.co/datasets/CyberHarem/matsuwa_kantaicollection/resolve/main/dataset-stage3-p480-800.zip) | IMG+TXT | 3-stage cropped dataset with the area not less than 480x480 pixels. |
| 1200 | 361 | 294.76 MiB | [Download](https://huggingface.co/datasets/CyberHarem/matsuwa_kantaicollection/resolve/main/dataset-1200.zip) | IMG+TXT | dataset with the shorter side not exceeding 1200 pixels. |
| stage3-p480-1200 | 758 | 581.67 MiB | [Download](https://huggingface.co/datasets/CyberHarem/matsuwa_kantaicollection/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/matsuwa_kantaicollection',
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 | 9 |  |  |  |  |  | 1girl, blue_neckerchief, blue_ribbon, blue_sailor_collar, blue_skirt, long_sleeves, pleated_skirt, serafuku, simple_background, white_background, white_gloves, looking_at_viewer, solo, twitter_username, kneehighs, one-hour_drawing_challenge, white_socks, dated |
| 1 | 7 |  |  |  |  |  | 1girl, alternate_costume, solo, looking_at_viewer, blush, black_dress, cowboy_shot, dated, long_sleeves, one-hour_drawing_challenge, simple_background, white_background, artist_logo, frilled_dress |
| 2 | 8 |  |  |  |  |  | 1girl, solo, yukata, alternate_costume, candy_apple, long_sleeves, obi, wide_sleeves, full_body, hair_flower, looking_at_viewer, hairband |
| 3 | 16 |  |  |  |  |  | 1girl, santa_costume, solo, long_sleeves, blush, christmas, open_mouth, red_dress, fur_trim, white_pantyhose, red_mittens, reindeer_antlers, full_body, looking_at_viewer, simple_background, beret, gift_box, fake_antlers, white_scarf |

### Table Version

| # | Samples | Img-1 | Img-2 | Img-3 | Img-4 | Img-5 | 1girl | blue_neckerchief | blue_ribbon | blue_sailor_collar | blue_skirt | long_sleeves | pleated_skirt | serafuku | simple_background | white_background | white_gloves | looking_at_viewer | solo | twitter_username | kneehighs | one-hour_drawing_challenge | white_socks | dated | alternate_costume | blush | black_dress | cowboy_shot | artist_logo | frilled_dress | yukata | candy_apple | obi | wide_sleeves | full_body | hair_flower | hairband | santa_costume | christmas | open_mouth | red_dress | fur_trim | white_pantyhose | red_mittens | reindeer_antlers | beret | gift_box | fake_antlers | white_scarf |
|----:|----------:|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------|:-------------------|:--------------|:---------------------|:-------------|:---------------|:----------------|:-----------|:--------------------|:-------------------|:---------------|:--------------------|:-------|:-------------------|:------------|:-----------------------------|:--------------|:--------|:--------------------|:--------|:--------------|:--------------|:--------------|:----------------|:---------|:--------------|:------|:---------------|:------------|:--------------|:-----------|:----------------|:------------|:-------------|:------------|:-----------|:------------------|:--------------|:-------------------|:--------|:-----------|:---------------|:--------------|
| 0 | 9 |  |  |  |  |  | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | | | | | | | | | | | | | | | | | | | | | | | | | |
| 1 | 7 |  |  |  |  |  | X | | | | | X | | | X | X | | X | X | | | X | | X | X | X | X | X | X | X | | | | | | | | | | | | | | | | | | | |
| 2 | 8 |  |  |  |  |  | X | | | | | X | | | | | | X | X | | | | | | X | | | | | | X | X | X | X | X | X | X | | | | | | | | | | | | |
| 3 | 16 |  |  |  |  |  | X | | | | | X | | | X | | | X | X | | | | | | | X | | | | | | | | | X | | | X | X | X | X | X | X | X | X | X | X | X | X |

This is the dataset of matsuwa (Kantai Collection), containing 361 images and their tags. The images are crawled from various sites and include core tags such as long hair, black hair, multicolored hair, green eyes, etc. The dataset offers packages of different sizes and stages of processing, along with example code for loading the raw dataset.

原始信息汇总

数据集概述

数据集信息

• 名称: Dataset of matsuwa (Kantai Collection)
• 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: 361
• 核心标签: long_hair, black_hair, multicolored_hair, green_eyes, gradient_hair, purple_hair, hat, white_headwear, freckles, sailor_hat

数据包列表

名称	图像数量	大小	类型	描述
raw	361	323.58 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	361	211.08 MiB	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	758	438.69 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。
1200	361	294.76 MiB	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	758	581.67 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	图像1	图像2	图像3	图像4	图像5	标签
0	9	样本0	样本1	样本2	样本3	样本4	1girl, blue_neckerchief, blue_ribbon, blue_sailor_collar, blue_skirt, long_sleeves, pleated_skirt, serafuku, simple_background, white_background, white_gloves, looking_at_viewer, solo, twitter_username, kneehighs, one-hour_drawing_challenge, white_socks, dated
1	7	样本0	样本1	样本2	样本3	样本4	1girl, alternate_costume, solo, looking_at_viewer, blush, black_dress, cowboy_shot, dated, long_sleeves, one-hour_drawing_challenge, simple_background, white_background, artist_logo, frilled_dress
2	8	样本0	样本1	样本2	样本3	样本4	1girl, solo, yukata, alternate_costume, candy_apple, long_sleeves, obi, wide_sleeves, full_body, hair_flower, looking_at_viewer, hairband
3	16	样本0	样本1	样本2	样本3	样本4	1girl, santa_costume, solo, long_sleeves, blush, christmas, open_mouth, red_dress, fur_trim, white_pantyhose, red_mittens, reindeer_antlers, full_body, looking_at_viewer, simple_background, beret, gift_box, fake_antlers, white_scarf

表格版本

#	样本数量	图像1	图像2	图像3	图像4	图像5	1girl	blue_neckerchief	blue_ribbon	blue_sailor_collar	blue_skirt	long_sleeves	pleated_skirt	serafuku	simple_background	white_background	white_gloves	looking_at_viewer	solo	twitter_username	kneehighs	one-hour_drawing_challenge	white_socks	dated	alternate_costume	blush	black_dress	cowboy_shot	artist_logo	frilled_dress	yukata	candy_apple	obi	wide_sleeves	full_body	hair_flower	hairband	santa_costume	christmas	open_mouth	red_dress	fur_trim	white_pantyhose	red_mittens	reindeer_antlers	beret	gift_box	fake_antlers	white_scarf
0	9	样本0	样本1	样本2	样本3	样本4	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
1	7	样本0	样本1	样本2	样本3	样本4	X					X			X	X		X	X			X		X	X	X	X	X	X	X
2	8	样本0	样本1	样本2	样本3	样本4	X					X						X	X						X						X	X	X	X	X	X	X
3	16	样本0	样本1	样本2	样本3	样本4	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

在动漫角色数据集构建领域，针对《舰队Collection》中的松轮角色，该数据集通过自动化爬取系统从Danbooru、Pixiv、Zerochan等多个图像托管站点采集了361张图像及其对应的标签元数据。构建过程中，系统对核心特征标签（如长发、黑发、绿瞳、渐变发色、帽子、雀斑等）进行了精简处理，以确保数据集的聚焦性与高效性。数据集的原始版本保留了完整的元信息，并提供了多种预处理版本，包括将较短边对齐至800像素或1200像素的标准化图像，以及基于三阶段裁剪策略生成的480x480像素以上区域版本，从而满足不同训练需求。

使用方法

数据集支持两种主流使用路径。对于需要原始元数据的用户，可借助Waifuc框架进行加载：首先通过Hugging Face Hub下载dataset-raw.zip压缩包，解压至本地目录后，利用LocalSource类即可逐项访问图像及其文件名与标签信息。对于追求便捷性的用户，可直接下载IMG+TXT格式的预处理版本（如800、1200或stage3系列），这些压缩包内已包含标准化图像与对应文本标签，无需额外解析即可直接输入至文本到图像生成模型的训练流程中。

背景与挑战

背景概述

在二次元文化蓬勃发展的数字时代，角色图像数据集成为推动文本到图像生成技术演进的关键基石。由DeepGHS团队于近期构建的matsuwa_kantaicollection数据集，聚焦于《舰队Collection》中知名角色松轮，汇集了来自Danbooru、Pixiv、Zerochan等多平台的361张高质量图像及其详尽标签。该数据集旨在为角色定制化生成任务提供标准化资源，其核心标签如长发、黑发、渐变发色等精准刻画了角色特征，为生成模型的细粒度控制与风格迁移研究奠定了重要基础。作为CyberHarem系列数据集的一部分，它不仅服务于二次元内容创作社区，更对多模态学习、图像-文本对齐等前沿领域产生了积极影响，推动了动漫风格生成模型在可控性与多样性上的进步。

当前挑战

当前数据集面临的核心挑战体现在领域问题与构建过程两个层面。在领域问题方面，文本到图像生成任务要求模型在保持角色一致性的同时实现风格泛化，而松轮数据集仅含361张样本，规模有限，难以覆盖复杂场景、多姿态与光照变化，易导致生成结果出现细节丢失或特征混淆。构建过程中，跨平台数据爬取面临版权合规与图像质量参差不齐的难题，自动标注系统虽提升了效率，但标签噪声与语义冗余（如部分标签被修剪）可能削弱训练数据的准确性。此外，图像裁剪与缩放策略（如三阶段裁剪方案）需平衡分辨率与构图完整性，避免因过度处理破坏角色核心特征。

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/matsuwa_kantaicollection数据集为文本到图像（text-to-image）模型提供了高质量的标注素材。该数据集收录了361张《舰队Collection》中角色“松轮”的图片，并附有精细的标签信息，涵盖发型、发色、瞳色、服饰等核心视觉属性。研究者常利用该数据集进行角色特定特征的细粒度生成任务，例如通过条件扩散模型（如Stable Diffusion）生成带有指定标签组合的角色肖像，或探索多模态对齐下动漫形象的风格化再现。其多分辨率版本（如800px、1200px）和裁剪后的stage3版本，进一步适配了不同模型对输入尺寸的需求，成为动漫领域可控生成研究的基准资源之一。

解决学术问题

该数据集有效解决了动漫角色生成中因数据稀疏而导致的特征混淆与细节丢失问题。在学术研究中，针对特定二次元角色的图像生成常面临样本量不足、标签噪声大等困境，而CyberHarem/matsuwa_kantaicollection通过严格筛选与标签剪枝（如去除核心特征标签以避免冗余），为模型提供了干净、一致的学习信号。基于此，研究者得以深入探究条件生成模型在细粒度属性控制上的表现，例如分离角色身份与动态姿态、服装变化的解耦能力。这一资源推动了生成式模型在动漫垂直领域从“随机生成”向“可控创作”的范式转变，并为后续角色数据集构建提供了标注与清洗的参考范式。

实际应用

在实际应用中，该数据集赋能了多个与动漫角色创作相关的下游场景。游戏与动画公司可利用其训练定制化的角色生成模型，快速产出符合设定（如特定发型、服饰组合）的概念设计图，加速IP开发流程。个人创作者或同人画师则能借助基于此数据集微调的生成工具，在保持角色辨识度的前提下探索不同服装风格（如水手服、和服、圣诞装）的视觉表达，实现灵感快速可视化。此外，该数据集还支持电商平台中二次元周边产品的自动化设计，例如根据用户输入的标签组合生成定制化角色立绘，降低了专业美术门槛，提升了内容生产效率。

数据集最近研究

最新研究方向

在二次元文化与生成式人工智能交汇的前沿，针对特定角色（如《舰队Collection》中的松轮）的高质量图像数据集构建正成为文本到图像模型微调的关键基石。CyberHarem/matsuwa_kantaicollection 数据集通过自动化爬虫技术整合了Danbooru、Pixiv等多源平台数据，提供了包含精细标签和多种分辨率版本（如800px、1200px及三级裁剪版）的361张图像，并创新性地引入标签聚类分析以挖掘角色服饰变体。这一工作不仅为LoRA等轻量级微调技术提供了结构化训练素材，更推动了动漫角色个性化生成的研究边界，使得模型能够更精准地捕捉角色核心特征（如渐变发色、水手帽等）并生成风格一致的形象，对于虚拟偶像产业和同人创作生态具有显著的赋能意义。