CyberHarem/smia_fireemblem

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

# Dataset of smia (Fire Emblem)

This is the dataset of smia (Fire Emblem), containing 111 images and their tags.

The core tags of this character are `long_hair, brown_hair, breasts, brown_eyes, large_breasts, hair_ornament`, 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 | 111 | 125.06 MiB | [Download](https://huggingface.co/datasets/CyberHarem/smia_fireemblem/resolve/main/dataset-raw.zip) | Waifuc-Raw | Raw data with meta information (min edge aligned to 1400 if larger). |
| 800 | 111 | 74.64 MiB | [Download](https://huggingface.co/datasets/CyberHarem/smia_fireemblem/resolve/main/dataset-800.zip) | IMG+TXT | dataset with the shorter side not exceeding 800 pixels. |
| stage3-p480-800 | 258 | 156.53 MiB | [Download](https://huggingface.co/datasets/CyberHarem/smia_fireemblem/resolve/main/dataset-stage3-p480-800.zip) | IMG+TXT | 3-stage cropped dataset with the area not less than 480x480 pixels. |
| 1200 | 111 | 110.09 MiB | [Download](https://huggingface.co/datasets/CyberHarem/smia_fireemblem/resolve/main/dataset-1200.zip) | IMG+TXT | dataset with the shorter side not exceeding 1200 pixels. |
| stage3-p480-1200 | 258 | 214.76 MiB | [Download](https://huggingface.co/datasets/CyberHarem/smia_fireemblem/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/smia_fireemblem',
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 | 22 |  |  |  |  |  | hetero, blush, nipples, 1boy, 1girl, penis, sex, solo_focus, vaginal, open_mouth, cum_in_pussy, navel, completely_nude, straddling, sweat, girl_on_top, spread_legs, uncensored |
| 1 | 6 |  |  |  |  |  | 1girl, navel, nipples, solo, female_pubic_hair, looking_at_viewer, armpits, smile, blush, completely_nude, open_mouth, pussy |

### Table Version

| # | Samples | Img-1 | Img-2 | Img-3 | Img-4 | Img-5 | hetero | blush | nipples | 1boy | 1girl | penis | sex | solo_focus | vaginal | open_mouth | cum_in_pussy | navel | completely_nude | straddling | sweat | girl_on_top | spread_legs | uncensored | solo | female_pubic_hair | looking_at_viewer | armpits | smile | pussy |
|----:|----------:|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:---------|:--------|:----------|:-------|:--------|:--------|:------|:-------------|:----------|:-------------|:---------------|:--------|:------------------|:-------------|:--------|:--------------|:--------------|:-------------|:-------|:--------------------|:--------------------|:----------|:--------|:--------|
| 0 | 22 |  |  |  |  |  | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | | | | | | |
| 1 | 6 |  |  |  |  |  | | 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 smia (Fire Emblem)
• 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: 111张
• 核心标签: long_hair, brown_hair, breasts, brown_eyes, large_breasts, hair_ornament
• 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	111	125.06 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	111	74.64 MiB	IMG+TXT	短边不超过800像素的数据集
stage3-p480-800	258	156.53 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素
1200	111	110.09 MiB	IMG+TXT	短边不超过1200像素的数据集
stage3-p480-1200	258	214.76 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	22						hetero, blush, nipples, 1boy, 1girl, penis, sex, solo_focus, vaginal, open_mouth, cum_in_pussy, navel, completely_nude, straddling, sweat, girl_on_top, spread_legs, uncensored
1	6						1girl, navel, nipples, solo, female_pubic_hair, looking_at_viewer, armpits, smile, blush, completely_nude, open_mouth, pussy

表格版本

#	样本数量	图像1	图像2	图像3	图像4	图像5	hetero	blush	nipples	1boy	1girl	penis	sex	solo_focus	vaginal	open_mouth	cum_in_pussy	navel	completely_nude	straddling	sweat	girl_on_top	spread_legs	uncensored	solo	female_pubic_hair	looking_at_viewer	armpits	smile	pussy
0	22						X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
1	6							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

该数据集聚焦于《火焰之纹章》系列中的角色smia，由DeepGHS团队开发的自动化爬取系统驱动，从Danbooru、Pixiv、Zerochan等多个知名图像站点收集了111张图片及其标签。数据集中对该角色的核心标签（如长发、棕发、巨乳等）进行了精简处理。为满足不同应用场景，数据集提供了多种格式的压缩包：原始数据包保留元信息并将最小边长对齐至1400像素；标准化版本将短边限制在800或1200像素；此外，还有经过三阶段裁剪的版本，确保图像区域不小于480×480像素，从而提升了数据的多样性与可用性。

特点

该数据集规模虽小（仅111张原始图像），但经过三阶段裁剪后扩充至258个样本，展现出高效的数据增强策略。其显著特点在于提供了丰富的标签聚类结果，例如通过聚类分析揭示了“hetero”、“blush”、“nipples”等视觉语义群组，为细粒度属性挖掘和风格迁移任务提供了便利。数据集还附带了基于Waifuc库的加载方案，支持直接通过Python代码读取原始数据，便于研究人员快速集成到文本到图像生成模型的训练流程中。

使用方法

使用者可通过HuggingFace Hub直接下载多种格式的压缩包。推荐使用Waifuc库加载原始数据集：首先通过huggingface_hub下载dataset-raw.zip文件，解压后利用LocalSource类读取图像及其元数据（包括文件名和标签）。对于标准化或裁剪后的版本，可直接解压并作为图像-文本对数据集使用。该数据集主要面向文本到图像生成任务，尤其适用于角色定制化微调或特定风格的艺术创作，其标签聚类信息也可用于探索角色在不同场景下的视觉特征分布。

背景与挑战

背景概述

该数据集由CyberHarem团队于近年创建，专注于收录《火焰之纹章》系列中的角色“smia”的视觉素材。研究团队依托DeepGHS组织开发的自动化爬取系统，从Danbooru、Pixiv、Zerochan等多源平台采集了111张高质量图像及其标签信息。核心研究问题在于构建一个面向文本到图像生成任务的精细化角色数据集，通过裁剪与标注，提炼出如“长发、棕发、胸部、棕眼”等关键视觉特征。该数据集为二次元角色生成领域提供了标准化的训练资源，尤其对少样本学习与角色一致性生成具有推动作用，其多分辨率版本与分阶段裁剪策略也为后续研究提供了灵活的基准。

当前挑战

当前数据集面临的主要挑战包括：其一，所解决的领域问题在于文本到图像生成中角色特征的精确保持，尤其是对特定发型、瞳色等细粒度属性的还原，现有模型常因数据不足导致生成结果与原始角色偏差较大。其二，构建过程中需克服多源图像质量不一、标签噪声高以及版权合规性等难题，自动爬取虽提升了效率，但原始数据需经严格筛选与去重，以避免低分辨率或无关内容干扰模型训练。此外，数据集规模较小（仅111张），限制了模型在复杂场景下的泛化能力，未来需探索数据增强或跨域迁移策略以缓解这一瓶颈。

常用场景

经典使用场景

该数据集聚焦于《火焰之纹章》系列角色smia的视觉与标签数据，包含111张经过精细标注的图像，核心标签涵盖长发、棕发、棕眼等角色特征。它最经典的使用场景在于为文本到图像生成模型提供高质量的配对训练素材，尤其在动漫风格的角色定制化生成任务中，研究者可利用其精简后的标签体系与多分辨率版本（如800px、1200px及三级裁剪版），微调扩散模型或生成对抗网络，以精准复现角色外观与姿态。此外，数据集的聚类结果揭示了角色在不同情境下的标签组合模式，为条件式图像生成中的语义控制提供了结构化参考。

衍生相关工作

该数据集衍生了一系列经典工作，包括基于Waifuc框架的自动化爬取与标注管线，该管线已被扩展至其他动漫角色数据集构建中，形成了CyberHarem系列数据集。研究者利用其多版本数据开发了针对动漫图像的风格迁移与超分辨率模型，并验证了三级裁剪策略在提升生成细节保真度方面的有效性。此外，聚类标签的表格化表示启发了标签关系图构建与条件生成中的语义解耦研究，相关成果被应用于多标签图像生成与文本到图像检索任务。该数据集还作为基准，评估了不同扩散模型在特定角色生成上的忠实度与多样性。

数据集最近研究

最新研究方向

随着文本到图像生成技术的飞速发展，以《火焰之纹章》系列角色“smia”为代表的二次元角色数据集，正成为多模态生成与可控内容创作领域的前沿研究焦点。该数据集通过自动化爬取与精细标签标注，集结了111张高质图像及其核心特征标签（如长褐发、丰盈体态等），为少样本角色定制化生成提供了宝贵资源。当前研究热点聚焦于利用此类精细化、多尺度裁剪的数据集（如480×480至1200像素版本）训练扩散模型，以实现对角色外貌、姿态及服饰的精准复现与风格迁移。在AI绘画社区与游戏衍生内容创作热潮的推动下，该数据集不仅支撑了角色一致性生成、属性解耦等关键技术的突破，还引发了关于数据版权、内容合规性及NSFW标注规范的广泛讨论，对构建负责任与可解释的生成式AI系统具有深远影响。