CyberHarem/tsushima_kantaicollection

这是一个名为tsushima (Kantai Collection)的数据集，包含417张图片及其标签。图片从多个网站（如danbooru, pixiv, zerochan等）爬取，爬取系统由DeepGHS团队开发。数据集的核心标签包括紫色头发、多色头发、渐变头发、侧发、紫色眼睛、帽子、短发、橙色头发、白色头饰、水手帽、发饰、长发、蓝色丝带等。数据集提供了多种不同尺寸和裁剪方式的图片包，如raw、800、stage3-p480-800、1200、stage3-p480-1200等。此外，还提供了使用waifuc加载原始数据集的代码示例，并展示了标签聚类结果的列表。

This is the dataset of tsushima (Kantai Collection), containing 417 images and their tags. The core tags of this character include purple_hair, multicolored_hair, gradient_hair, sidelocks, purple_eyes, hat, short_hair, orange_hair, white_headwear, sailor_hat, hair_ornament, long_hair, and blue_ribbon. These images are crawled from various sites such as danbooru, pixiv, and zerochan, and the auto-crawling system is powered by the DeepGHS Team. The dataset is divided into multiple packages, each containing images of different sizes and processing stages. Additionally, the dataset includes tag clustering results, which may be useful for mining specific outfits or styles.

原始信息汇总

数据集概述

数据集名称

Dataset of tsushima (Kantai Collection)

数据集描述

该数据集包含417张图片及其标签，主要描述角色tsushima（舰队收藏）。核心标签包括purple_hair, multicolored_hair, gradient_hair, sidelocks, purple_eyes, hat, short_hair, orange_hair, white_headwear, sailor_hat, hair_ornament, long_hair, blue_ribbon。

数据集来源

图片从多个网站（如danbooru, pixiv, zerochan等）爬取，爬虫系统由DeepGHS Team开发。

数据集包列表

名称	图片数量	大小	类型	描述
raw	417	353.00 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	417	242.13 MiB	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	980	525.62 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。
1200	417	330.57 MiB	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	980	678.57 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	14		1girl, black_thighhighs, blue_neckerchief, blue_sailor_collar, blue_skirt, pleated_skirt, puffy_short_sleeves, serafuku, solo, white_gloves, ribbon, smile, simple_background, white_background, looking_at_viewer, yellow_eyes, cowboy_shot
1	5		1girl, black_thighhighs, blue_neckerchief, blue_sailor_collar, blue_skirt, blush, mole_under_eye, pleated_skirt, puffy_short_sleeves, ribbon, serafuku, smile, solo, white_gloves, yellow_eyes, looking_at_viewer, cowboy_shot
2	9		1girl, detached_collar, fake_animal_ears, playboy_bunny, rabbit_ears, simple_background, solo, strapless_leotard, looking_at_viewer, white_background, wrist_cuffs, bowtie, pantyhose, smile, yellow_eyes, blue_bow, blue_leotard, covered_navel, cowboy_shot, dated, flat_chest, rabbit_tail, twitter_username, white_gloves
3	10		1girl, solo, looking_at_viewer, flat_chest, one-hour_drawing_challenge, simple_background, white_background, short_hair_with_long_locks, smile, school_swimsuit, dated, black_thighhighs, blue_one-piece_swimsuit, covered_navel, cowboy_shot
4	19		1girl, solo, alternate_costume, blush, long_sleeves, beret, smile, jacket, simple_background, black_headwear, hairclip, red_dress, white_background, black_pantyhose, looking_at_viewer, mole_under_eye, belt, sweater, bangs, closed_mouth, holding, plaid_dress
5	9		1girl, solo, alternate_costume, looking_at_viewer, pink_kimono, floral_print, obi, blush, sitting

表格版本

#	样本数量	图片示例	1girl	black_thighhighs	blue_neckerchief	blue_sailor_collar	blue_skirt	pleated_skirt	puffy_short_sleeves	serafuku	solo	white_gloves	ribbon	smile	simple_background	white_background	looking_at_viewer	yellow_eyes	cowboy_shot	blush	mole_under_eye	detached_collar	fake_animal_ears	playboy_bunny	rabbit_ears	strapless_leotard	wrist_cuffs	bowtie	pantyhose	blue_bow	blue_leotard	covered_navel	dated	flat_chest	rabbit_tail	twitter_username	one-hour_drawing_challenge	short_hair_with_long_locks	school_swimsuit	blue_one-piece_swimsuit	alternate_costume	long_sleeves	beret	jacket	black_headwear	hairclip	red_dress	black_pantyhose	belt	sweater	bangs	closed_mouth	holding	plaid_dress	pink_kimono	floral_print	obi	sitting
0	14		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，CyberHarem/tsushima_kantaicollection 专注于《舰队Collection》中角色“对马”的图像收集。该数据集通过自动化爬虫系统，从Danbooru、Pixiv、Zerochan等多个知名图站采集了417张图像，并附带了对应的标签信息。爬取过程由DeepGHS团队开发的工具驱动，确保了数据来源的多样性与广度。数据集中，核心标签如紫色头发、渐变色头发、侧刘海、紫色眼睛、帽子等已被精简处理，以突出角色特征。此外，数据集提供了多种处理版本，包括原始元数据包、限制短边不超过800或1200像素的标准化图像，以及经过三阶段裁剪、面积不低于480x480像素的增强版本，共计980张图像，满足了不同训练需求。

特点

该数据集的核心特点在于其精细化的标签聚类与多版本架构。通过对图像标签进行聚类分析，数据集揭示了角色在不同装扮下的视觉模式，如经典水手服、兔女郎装、校服泳装等，共划分出6个聚类簇，每个簇包含5至19个样本，并提供了图像预览与标签列表，便于用户挖掘角色服饰的潜在关联。同时，数据集提供了四种下载包：原始包保留完整元数据，800和1200包按短边限制缩放，而stage3系列则通过三阶段裁剪生成更多样化的子图，有效扩充了数据量。这种设计兼顾了原始质量与训练效率，为文本到图像生成任务提供了灵活且结构化的资源。

使用方法

使用该数据集时，用户可通过HuggingFace Hub直接下载压缩包。对于需要原始元数据的研究者，推荐使用waifuc库加载dataset-raw.zip，通过LocalSource类迭代访问每张图像及其文件名和标签，实现自定义处理。代码示例展示了从下载、解压到数据加载的完整流程。对于进阶应用，用户可根据需求选择800、1200或stage3裁剪版本，这些包以IMG+TXT格式组织，可直接用于训练模型。此外，聚类结果以表格和文本形式提供，支持用户快速定位特定装扮的图像子集，便于进行风格迁移或角色一致性分析。

背景与挑战

背景概述

在二次元文化蓬勃发展的当下，角色图像数据集成为驱动文本到图像生成模型进化的重要基石。CyberHarem/tsushima_kantaicollection 数据集由 DeepGHS 团队于近期构建，聚焦于《舰队Collection》中的角色对马，收录了 417 张经过精细标注的图像。该数据集的核心研究问题在于如何系统性地整合来自 Danbooru、Pixiv、Zerochan 等多源平台的异构视觉素材，并通过自动化爬取与标签清洗技术，为特定动漫角色建立高质量、多模态的训练资源。其影响力体现在为二次元生成任务提供了标准化的数据范例，尤其在小样本角色定制与风格迁移领域具有显著价值。

当前挑战

该数据集面临多重挑战。首先，在领域问题层面，文本到图像生成任务要求模型精准理解角色核心特征（如紫发、渐变发、水手帽等），然而二次元图像风格高度多样，从官方立绘到同人创作差异巨大，导致模型容易过拟合于特定画风。其次，在构建过程中，自动化爬取系统虽提升了效率，却面临标签噪声与一致性难题——不同平台对同一角色的标注标准不一，且部分图像存在分辨率不足或水印干扰。此外，小样本规模（仅 417 张）限制了模型对角色罕见姿态与服装变体的泛化能力，需借助数据增强与迁移学习策略来缓解数据稀疏性带来的偏差。

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/tsushima_kantaicollection数据集为文本到图像（text-to-image）任务提供了高质量的素材支撑。该数据集聚焦于《舰队Collection》中的角色“对马”，收录了417张经过精细标注的图像，涵盖多种画风、姿态与服饰变体。研究者常将其用于训练扩散模型或生成对抗网络，以学习特定角色的视觉特征与标签关联。通过提供多分辨率版本（如800px与1200px）以及三阶段裁剪数据集，该资源支持从粗粒度到细粒度的图像生成实验，尤其适合角色一致性保持与细节还原的研究。

解决学术问题

该数据集有效解决了动漫角色生成中数据稀缺与标注不一致的学术难题。传统数据集多依赖人工采集，规模有限且标签噪声高，而本数据集通过自动化爬取与多源整合（如Danbooru、Pixiv），构建了包含核心标签（如发色、瞳色、服饰）的干净样本库。研究者可借此探索细粒度视觉概念的解耦与重组，例如在角色换装或姿态迁移中保持身份特征不变。其聚类分析结果（如水手服、兔女郎、和服等簇）进一步为无监督风格发现与属性编辑提供了基准，推动了少样本学习与跨域生成的理论进展。

衍生相关工作

围绕该数据集衍生了一系列经典工作，尤其在角色定制化生成领域。基于其标签聚类结果，研究者提出了多条件控制生成框架（如ControlNet与T2I-Adapter的变体），实现服饰、姿态与背景的独立操控。此外，该数据集常与Waifuc工具链结合，成为大规模动漫数据集构建的参考范例，推动了如Danbooru标签自动补全与跨角色迁移学习等研究。近期工作还利用其多分辨率版本探索了级联扩散模型的训练策略，在保持高保真度的同时优化推理效率，为《舰队Collection》同人创作与衍生内容生产提供了技术基石。