CyberHarem/michiru_bluearchive

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

# Dataset of michiru/千鳥ミチル/满 (Blue Archive)

This is the dataset of michiru/千鳥ミチル/满 (Blue Archive), containing 171 images and their tags.

The core tags of this character are `animal_ears, grey_hair, long_hair, raccoon_ears, raccoon_girl, halo, twintails, yellow_eyes, hair_between_eyes, multicolored_hair, tail, raccoon_tail, hair_ornament, ahoge, fang`, 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 | 171 | 237.30 MiB | [Download](https://huggingface.co/datasets/CyberHarem/michiru_bluearchive/resolve/main/dataset-raw.zip) | Waifuc-Raw | Raw data with meta information (min edge aligned to 1400 if larger). |
| 1200 | 171 | 200.64 MiB | [Download](https://huggingface.co/datasets/CyberHarem/michiru_bluearchive/resolve/main/dataset-1200.zip) | IMG+TXT | dataset with the shorter side not exceeding 1200 pixels. |
| stage3-p480-1200 | 422 | 411.13 MiB | [Download](https://huggingface.co/datasets/CyberHarem/michiru_bluearchive/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/michiru_bluearchive',
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 | 11 |  |  |  |  |  | 1girl, looking_at_viewer, ninja, simple_background, solo, white_background, black_scarf, bridal_gauntlets, pleated_skirt, sleeveless, blue_skirt, eyeshadow, smile, serafuku, gradient_hair, open_mouth, black_hair, japanese_clothes, kuji-in, black_pantyhose, detached_sleeves, pink_neckerchief |
| 1 | 6 |  |  |  |  |  | 1girl, black_pantyhose, black_scarf, looking_at_viewer, neckerchief, ninja, pleated_skirt, serafuku, sleeveless, smile, solo, blue_skirt, eyeshadow, open_mouth, pump_action, shotgun, simple_background, white_background, bridal_gauntlets, full_body, holding_gun, ribbon, bandaged_leg, japanese_clothes, shoes, standing_on_one_leg |
| 2 | 13 |  |  |  |  |  | 1girl, black_pantyhose, black_scarf, ninja, solo, looking_at_viewer, open_mouth, pleated_skirt, simple_background, white_background, blush, serafuku, bandaged_leg, blue_skirt, smile, white_shirt, bridal_gauntlets, pink_neckerchief, weapon |
| 3 | 5 |  |  |  |  |  | blush, penis, solo_focus, 1boy, 1girl, bar_censor, hetero, ninja, nipples, open_mouth, black_pantyhose, black_scarf, bridal_gauntlets, cum_in_pussy, torn_pantyhose, white_background, clothed_sex, heart, navel, on_back, sex_from_behind, simple_background, small_breasts, smile, spread_legs, trembling, vaginal |

### Table Version

| # | Samples | Img-1 | Img-2 | Img-3 | Img-4 | Img-5 | 1girl | looking_at_viewer | ninja | simple_background | solo | white_background | black_scarf | bridal_gauntlets | pleated_skirt | sleeveless | blue_skirt | eyeshadow | smile | serafuku | gradient_hair | open_mouth | black_hair | japanese_clothes | kuji-in | black_pantyhose | detached_sleeves | pink_neckerchief | neckerchief | pump_action | shotgun | full_body | holding_gun | ribbon | bandaged_leg | shoes | standing_on_one_leg | blush | white_shirt | weapon | penis | solo_focus | 1boy | bar_censor | hetero | nipples | cum_in_pussy | torn_pantyhose | clothed_sex | heart | navel | on_back | sex_from_behind | small_breasts | spread_legs | trembling | vaginal |
|----:|----------:|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------|:--------------------|:--------|:--------------------|:-------|:-------------------|:--------------|:-------------------|:----------------|:-------------|:-------------|:------------|:--------|:-----------|:----------------|:-------------|:-------------|:-------------------|:----------|:------------------|:-------------------|:-------------------|:--------------|:--------------|:----------|:------------|:--------------|:---------|:---------------|:--------|:----------------------|:--------|:--------------|:---------|:--------|:-------------|:-------|:-------------|:---------|:----------|:---------------|:-----------------|:--------------|:--------|:--------|:----------|:------------------|:----------------|:--------------|:------------|:----------|
| 0 | 11 |  |  |  |  |  | X | X | X | X | 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 | X | X | | X | | X | | X | | | X | X | X | X | X | X | X | X | X | | | | | | | | | | | | | | | | | | | | |
| 2 | 13 |  |  |  |  |  | X | X | X | X | X | X | X | X | X | | X | | X | X | | 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 | X | X | X | X | X |

原始信息汇总

数据集概述

数据集名称

• 名称: michiru/千鳥ミチル/满 (Blue Archive)

数据集内容

• 包含: 171张图像及其标签
• 核心标签: animal_ears, grey_hair, long_hair, raccoon_ears, raccoon_girl, halo, twintails, yellow_eyes, hair_between_eyes, multicolored_hair, tail, raccoon_tail, hair_ornament, ahoge, fang

数据集版本

原始数据

• 名称: raw
• 图像数量: 171
• 大小: 237.30 MiB
• 下载链接: Download
• 类型: Waifuc-Raw
• 描述: 包含元信息的原始数据（如果较大，则最小边对齐到1400像素）

1200像素版本

• 名称: 1200
• 图像数量: 171
• 大小: 200.64 MiB
• 下载链接: Download
• 类型: IMG+TXT
• 描述: 短边不超过1200像素的数据集

阶段3-p480-1200版本

• 名称: stage3-p480-1200
• 图像数量: 422
• 大小: 411.13 MiB
• 下载链接: Download
• 类型: IMG+TXT
• 描述: 三阶段裁剪的数据集，区域不小于480x480像素

数据集使用

• 加载工具: waifuc
• 加载方法: 提供了一段Python代码，用于从Hugging Face Hub下载并解压数据集，然后使用waifuc加载数据集。

数据集标签聚类

聚类列表

#	样本数	标签
0	11	1girl, looking_at_viewer, ninja, simple_background, solo, white_background, black_scarf, bridal_gauntlets, pleated_skirt, sleeveless, blue_skirt, eyeshadow, smile, serafuku, gradient_hair, open_mouth, black_hair, japanese_clothes, kuji-in, black_pantyhose, detached_sleeves, pink_neckerchief
1	6	1girl, black_pantyhose, black_scarf, looking_at_viewer, neckerchief, ninja, pleated_skirt, serafuku, sleeveless, smile, solo, blue_skirt, eyeshadow, open_mouth, pump_action, shotgun, simple_background, white_background, bridal_gauntlets, full_body, holding_gun, ribbon, bandaged_leg, japanese_clothes, shoes, standing_on_one_leg
2	13	1girl, black_pantyhose, black_scarf, ninja, solo, looking_at_viewer, open_mouth, pleated_skirt, simple_background, white_background, blush, serafuku, bandaged_leg, blue_skirt, smile, white_shirt, bridal_gauntlets, pink_neckerchief, weapon
3	5	blush, penis, solo_focus, 1boy, 1girl, bar_censor, hetero, ninja, nipples, open_mouth, black_pantyhose, black_scarf, bridal_gauntlets, cum_in_pussy, torn_pantyhose, white_background, clothed_sex, heart, navel, on_back, sex_from_behind, simple_background, small_breasts, smile, spread_legs, trembling, vaginal

搜集汇总

数据集介绍

构建方式

在数字内容创作与文本到图像生成领域，高质量、标注精准的数据集是模型性能的基石。本数据集聚焦于《蓝色档案》中的角色千鳥ミチル（满），通过自动化爬虫系统从Danbooru、Pixiv、Zerochan等多个知名图像平台采集原始图像，共收录171张图片及其对应的标签信息。采集系统由DeepGHS团队开发，确保了数据来源的广泛性与高效性。数据集提供了多种预处理版本：原始数据包保留元数据并将最小边对齐至1400像素；1200版本将较短边限制在1200像素以内；而stage3-p480-1200版本则经过三级裁剪，确保图像区域不小于480×480像素。此外，数据集还包含了基于标签聚类的分组结果，有助于挖掘角色的不同装扮与场景特征。

特点

该数据集的核心优势在于其精细的标注与结构化设计。每张图像均附有描述角色特征的标签，如兽耳、灰发、长尾等关键属性已被精简提取。数据集提供三种不同分辨率的压缩包，分别适用于不同的训练需求：原始数据适合需要元信息的场景，1200版本兼顾细节与存储效率，而stage3版本则通过多级裁剪提升了图像质量。标签聚类结果以文字和表格两种形式呈现，直观展示了不同图像组的共同标签模式，例如忍者装束、特定姿势或场景元素，为风格迁移或角色定制提供了丰富的素材。整体而言，数据集注重实用性与可扩展性，兼顾了数据多样性与标注一致性。

使用方法

使用该数据集时，用户可根据任务需求选择合适的版本。对于需要元信息的场景，推荐通过waifuc库加载原始数据包：首先使用huggingface_hub下载dataset-raw.zip，解压后利用LocalSource读取图像及其标签。对于直接训练文本到图像模型，1200或stage3版本更为便捷，因其已整合为IMG+TXT格式，可直接解压使用。用户还可利用聚类结果进行数据筛选或增强，例如选择特定标签组以聚焦于角色的特定装扮。所有数据均通过HuggingFace平台托管，支持快速下载与集成，适用于研究或商业用途的二次开发。

背景与挑战

背景概述

在生成式人工智能与二次元文化深度交融的当下，角色专属数据集的构建成为文本到图像生成模型实现精准角色再现的关键基石。CyberHarem/michiru_bluearchive 数据集由 DeepGHS 团队于近期创建，聚焦于游戏《蔚蓝档案》中的人气角色“满”（千鳥ミチル）。该数据集以 171 张高质量图像为核心，涵盖从 Danbooru、Pixiv 等多源平台自动爬取的原始素材，并附带精细的标签体系。其研究核心在于为动漫风格的角色定制化生成提供标准化训练资源，通过多分辨率版本（如 1200px 裁剪版）与 Waifuc 框架的无缝集成，显著降低了二次元角色生成模型的训练门槛，对推动特定 IP 角色的可控生成研究具有示范性意义。

当前挑战

当前数据集面临的首要挑战在于领域内数据稀缺性与多样性平衡的难题。作为小众角色，仅 171 张的样本量远不足以覆盖角色在不同场景、姿态与服饰下的完整视觉分布，易导致生成模型陷入过拟合或风格固化。其次，数据构建过程中遭遇了多源异构数据的整合困境：来自不同平台的图像在分辨率、构图与标签语义上存在显著差异，自动标签系统虽借助 DeepGHS 的算法进行了核心特征过滤，但诸如“penis”等不适宜标签的残留（见聚类结果），暴露出内容安全过滤与元数据清洗的不足。此外，角色核心特征（如浣熊耳、光环）在不同光照与角度下的视觉一致性维护，以及如何从有限样本中提取跨模态泛化能力，仍是制约数据集实用价值的瓶颈。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/michiru_bluearchive数据集作为面向特定动漫角色（《碧蓝档案》中的千鳥ミチル）的精细图像与标签集合，其经典使用场景集中于驱动基于扩散模型的角色定制化生成任务。研究者利用该数据集中171张经过标签清洗的高质量图像，结合如Stable Diffusion等主流生成架构，通过微调或DreamBooth、LoRA等轻量级适应技术，使模型能够精准捕捉该角色标志性的浣熊耳、渐变色长发、光环等视觉特征，从而在保持背景多样性的前提下，稳定输出符合角色设定的全新肖像或姿态。这一过程不仅验证了少样本数据在角色一致性生成中的可行性，也为后续动漫IP的数字化内容生产提供了可复现的基准流程。

解决学术问题

该数据集有效回应了计算机视觉与图形学中关于细粒度概念保真度与数据稀疏性矛盾的学术挑战。在少样本（n<1K）条件下，传统生成模型常面临过拟合或概念混淆的困境，而CyberHarem/michiru_bluearchive通过提供包含元信息（如多源爬取、标签聚类）的结构化数据，使得研究人员能够系统探究标签语义与视觉特征之间的对齐机制。其意义在于，它推动了面向特定虚拟角色的可控制生成理论发展，为理解模型如何在有限样本中泛化出高辨识度的视觉概念提供了实证基础，进而影响了后续关于个性化内容生成、风格迁移以及多模态表征学习的诸多研究范式。

衍生相关工作

围绕CyberHarem/michiru_bluearchive数据集，衍生了一系列推动少样本角色生成发展的经典工作。其中，基于Waifuc框架的自动化数据采集与标签聚类方法被后续研究者借鉴，用于构建更多动漫角色的标准化数据集。此外，该数据集常作为评估基准出现在对比学习中，用以比较不同微调策略（如DreamBooth与Textual Inversion）在角色外貌保持上的性能差异。相关衍生工作还包括利用其标签聚类结果进行多模态语义解析，以及将角色核心标签作为条件控制信号引入扩散模型的注意力机制中，这些探索共同构建了一个从数据构建到模型优化的闭环研究体系。