CyberHarem/gabriel_tenma_white_gabrieldropout

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

# Dataset of Gabriel Tenma White

This is the dataset of Gabriel Tenma White, containing 353 images and their tags.

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)).

| Name | Images | Download | Description |
|:----------------|---------:|:----------------------------------------|:-----------------------------------------------------------------------------------------|
| raw | 353 | [Download](dataset-raw.zip) | Raw data with meta information. |
| raw-stage3 | 827 | [Download](dataset-raw-stage3.zip) | 3-stage cropped raw data with meta information. |
| raw-stage3-eyes | 956 | [Download](dataset-raw-stage3-eyes.zip) | 3-stage cropped (with eye-focus) raw data with meta information. |
| 384x512 | 353 | [Download](dataset-384x512.zip) | 384x512 aligned dataset. |
| 512x704 | 353 | [Download](dataset-512x704.zip) | 512x704 aligned dataset. |
| 640x880 | 353 | [Download](dataset-640x880.zip) | 640x880 aligned dataset. |
| stage3-640 | 827 | [Download](dataset-stage3-640.zip) | 3-stage cropped dataset with the shorter side not exceeding 640 pixels. |
| stage3-800 | 827 | [Download](dataset-stage3-800.zip) | 3-stage cropped dataset with the shorter side not exceeding 800 pixels. |
| stage3-p512-640 | 690 | [Download](dataset-stage3-p512-640.zip) | 3-stage cropped dataset with the area not less than 512x512 pixels. |
| stage3-eyes-640 | 956 | [Download](dataset-stage3-eyes-640.zip) | 3-stage cropped (with eye-focus) dataset with the shorter side not exceeding 640 pixels. |
| stage3-eyes-800 | 956 | [Download](dataset-stage3-eyes-800.zip) | 3-stage cropped (with eye-focus) dataset with the shorter side not exceeding 800 pixels. |

---
许可证：MIT协议
任务类别：
- 文本到图像（text-to-image）
标签：
- 艺术
- 不适合全年龄段受众
样本量类别：
- n<1K（样本量小于1000）
---

# 加布里埃尔·滕马·怀特（Gabriel Tenma White）数据集

本数据集收录加布里埃尔·滕马·怀特（Gabriel Tenma White）相关的353张图像及其标注标签。

本数据集的图像采集自多个平台（例如danbooru、pixiv、zerochan等），自动采集系统由DeepGHS团队（https://github.com/deepghs）及Hugging Face机构（https://huggingface.co/deepghs）提供技术支持。

| 名称 | 图像数量 | 下载链接 | 描述 |
|:-----------------|---------:|:----------------------------------------|:-----------------------------------------------------------------------------------------|
| raw | 353 | [下载](dataset-raw.zip) | 包含元信息的原始数据集。 |
| raw-stage3 | 827 | [下载](dataset-raw-stage3.zip) | 包含元信息的三级裁剪原始数据集。 |
| raw-stage3-eyes | 956 | [下载](dataset-raw-stage3-eyes.zip) | 包含元信息的带眼部聚焦三级裁剪原始数据集。 |
| 384x512 | 353 | [下载](dataset-384x512.zip) | 分辨率为384×512的对齐数据集。 |
| 512x704 | 353 | [下载](dataset-512x704.zip) | 分辨率为512×704的对齐数据集。 |
| 640x880 | 353 | [下载](dataset-640x880.zip) | 分辨率为640×880的对齐数据集。 |
| stage3-640 | 827 | [下载](dataset-stage3-640.zip) | 短边不超过640像素的三级裁剪数据集。 |
| stage3-800 | 827 | [下载](dataset-stage3-800.zip) | 短边不超过800像素的三级裁剪数据集。 |
| stage3-p512-640 | 690 | [下载](dataset-stage3-p512-640.zip) | 单张图像面积不小于512×512像素的三级裁剪数据集。 |
| stage3-eyes-640 | 956 | [下载](dataset-stage3-eyes-640.zip) | 短边不超过640像素的带眼部聚焦三级裁剪数据集。 |
| stage3-eyes-800 | 956 | [下载](dataset-stage3-eyes-800.zip) | 短边不超过800像素的带眼部聚焦三级裁剪数据集。 |

原始信息汇总

Gabriel Tenma White 数据集

概述

该数据集包含 Gabriel Tenma White 的 353 张图片及其标签。

数据来源

图片从多个网站爬取，包括 danbooru、pixiv、zerochan 等。爬取系统由 DeepGHS Team 提供支持。

数据集版本

名称	图片数量	下载链接	描述
raw	353	Download	包含元信息的原始数据。
raw-stage3	827	Download	包含元信息的3阶段裁剪原始数据。
raw-stage3-eyes	956	Download	包含元信息的3阶段裁剪（以眼睛为重点）原始数据。
384x512	353	Download	384x512 对齐数据集。
512x704	353	Download	512x704 对齐数据集。
640x880	353	Download	640x880 对齐数据集。
stage3-640	827	Download	3阶段裁剪数据集，短边不超过640像素。
stage3-800	827	Download	3阶段裁剪数据集，短边不超过800像素。
stage3-p512-640	690	Download	3阶段裁剪数据集，面积不小于512x512像素。
stage3-eyes-640	956	Download	3阶段裁剪（以眼睛为重点）数据集，短边不超过640像素。
stage3-eyes-800	956	Download	3阶段裁剪（以眼睛为重点）数据集，短边不超过800像素。

搜集汇总

数据集介绍

构建方式

在数字艺术与角色生成领域，高质量图像数据集是驱动文本到图像模型性能的关键。CyberHarem/gabriel_tenma_white_gabrieldropout 数据集聚焦于角色 Gabriel Tenma White，通过自动化爬虫系统从 Danbooru、Pixiv、Zerochan 等多个艺术站点收集了 353 张原始图像及其标签信息。该爬虫系统由 DeepGHS 团队开发，确保了数据来源的多样性与广度。为提升数据质量，数据集提供了多种处理版本：原始数据保留元信息，raw-stage3 版本经过三级裁剪以优化构图，raw-stage3-eyes 版本则进一步聚焦眼部细节。此外，还生成了不同分辨率（如 384x512、512x704、640x880）的对齐数据，以及基于裁剪后的尺寸约束版本（如 stage3-640、stage3-800），满足不同训练需求。

特点

该数据集的核心特点在于其层次化与精细化的处理策略。首先，多版本设计覆盖了从原始到高度预处理的图像，用户可根据模型需求灵活选择。raw-stage3 系列通过三级裁剪剔除了冗余背景，增强了主体聚焦性；而 raw-stage3-eyes 版本通过眼部焦点强化，尤其适用于需要精细面部特征生成的场景。其次，对齐数据集（如 384x512、512x704）确保了图像尺寸一致性，简化了训练流程。最后，stage3 系列引入面积约束（如 p512-640）和短边限制（如 640、800 像素），在保留内容完整性的同时控制计算资源消耗，体现了对实际训练效率的考量。

使用方法

该数据集专为文本到图像生成任务设计，用户可从 Hugging Face 仓库直接下载不同版本的压缩包。使用 raw 系列数据时，需自行进行元信息解析与预处理；而 aligned 和 stage3 系列则提供即用型图像，可直接输入至扩散模型或 GAN 进行训练。例如，对于高分辨率生成任务，推荐采用 640x880 对齐数据或 stage3-800 版本；若关注眼部细节，raw-stage3-eyes 或 stage3-eyes 系列更为适宜。数据集采用 MIT 许可协议，允许自由使用与修改，但需注意其“非全年龄”标签，适用于面向艺术创作或动漫角色生成的合规场景。

背景与挑战

背景概述

在文本到图像生成领域，高质量、细粒度的角色图像数据集对于训练能够准确捕捉特定角色特征与风格的模型至关重要。CyberHarem团队于近年构建了Gabriel Tenma White数据集，该数据集由DeepGHS团队通过自动化爬取系统从Danbooru、Pixiv、Zerochan等多个知名插画平台收集而来，共包含353张原始图像及其详细标签。该数据集聚焦于特定虚拟角色，旨在为角色定制化图像生成研究提供标准化资源。其多版本预处理方案（如三级裁剪、眼部聚焦裁剪及多种分辨率对齐）显著提升了数据集的可用性，为后续研究者在角色一致性、风格迁移及细粒度控制等方向上的探索奠定了数据基础，对推动二次元角色生成领域的发展具有重要影响。

当前挑战

当前该数据集面临多重挑战。首先，在领域问题层面，尽管数据集专注于单一角色，但图像来源的多样性导致风格、光照和构图存在巨大差异，这对模型从混杂数据中学习稳定角色特征构成核心挑战。其次，构建过程中，自动化爬取虽提高了效率，却引入了标签噪声与不一致性，例如不同平台对同一角色的标注标准不一，需耗费大量人力进行清洗与校准。此外，数据集规模较小（仅353张原始图像），难以支撑现代大规模生成模型的训练需求，易导致过拟合。最后，不同预处理版本间的数据分布偏移（如裁剪策略带来的构图变化）也为模型泛化能力评估带来了额外复杂性。

常用场景

经典使用场景

该数据集聚焦于动漫角色Gabriel Tenma White的视觉表征，包含353张原始图像及其标注标签，数据源自Danbooru、Pixiv等主流二次元图库。其经典使用场景在于为文本到图像生成模型提供高质量、风格统一的训练素材，尤其适用于动漫风格的人物生成任务。通过提供多种分辨率（如384×512、512×704）及多阶段裁剪版本，研究者可灵活适配不同网络架构的输入要求，从而在保持角色特征一致性的前提下，提升生成图像的细节精度与艺术表现力。

解决学术问题

在学术研究中，该数据集有效解决了动漫角色多视角、多姿态下的视觉一致性难题。传统生成模型常因训练数据稀疏或标注不统一而导致角色外貌变形或风格漂移，而本数据集通过系统化的图像采集与三级裁剪流程，确保了角色核心特征（如发型、服饰、面部结构）在多种构图中的稳定表达。这为探索条件生成对抗网络、扩散模型中的细粒度控制提供了基准，推动了领域内关于角色身份保持与风格迁移的理论发展。

衍生相关工作

该数据集衍生了多个经典工作，包括基于扩散模型的角色定制化生成方法（如DreamBooth微调策略在此类动漫数据上的适配）、多尺度特征融合的文本-图像对齐网络，以及面向小样本学习的角色概念提取技术。此外，研究者利用其多阶段裁剪数据开发了注意力引导的图像修复模型，实现了遮挡区域的语义合理补全。这些工作不仅验证了数据集的实用性，也为动漫视觉生成领域树立了标准化评估基准。