CyberHarem/natalia_idolmastercinderellagirls

该数据集名为natalia/ナターリア (THE iDOLM@STER: Cinderella Girls)，包含489张图像及其标签。图像来源于多个网站（如danbooru、pixiv、zerochan等），并由DeepGHS团队的自动爬取系统收集。数据集的核心标签包括dark-skinned_female, dark_skin, short_hair, purple_eyes, breasts, black_hair, green_hair, large_breasts, medium_breasts。README还提供了数据集的多个版本及其下载链接，并介绍了如何使用waifuc加载原始数据集。

本数据集命名为natalia/娜塔莉亚（ナターリア），属于《偶像大师 灰姑娘女孩》（THE iDOLM@STER: Cinderella Girls）相关数据集，共包含489张图像及其对应标注标签。图像来源涵盖多个二次元图片分享平台（如danbooru、pixiv、zerochan等），由DeepGHS团队的自动爬取系统采集所得。该数据集的核心标注标签包括dark-skinned_female（深肤色女性）、dark_skin（深肤色）、short_hair（短发）、purple_eyes（紫瞳）、breasts（胸部）、black_hair（黑发）、green_hair（绿发）、large_breasts（大胸）、medium_breasts（中等胸型）。其README文档提供了该数据集的多个版本及对应下载链接，并详细说明了如何使用waifuc加载原始数据集文件。

原始信息汇总

数据集概述

数据集基本信息

• 名称: Dataset of natalia/ナターリア (THE iDOLM@STER: Cinderella Girls)
• 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: 489张
• 核心标签: dark-skinned_female, dark_skin, short_hair, purple_eyes, breasts, black_hair, green_hair, large_breasts, medium_breasts

数据集包列表

名称	图像数量	大小	类型	描述
raw	489	487.98 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	489	328.81 MiB	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	1086	654.61 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。
1200	489	447.04 MiB	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	1086	855.98 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	图像示例	标签
0	5		1girl, earrings, midriff, open_mouth, solo, bracelet, card_parody, character_name, star_(symbol), sun_symbol, black_thighhighs, cleavage, dancer, navel, :d, bow, panties
1	9		hair_flower, smile, 1girl, solo, cleavage, elbow_gloves, blush, earrings, open_mouth, wedding_dress, bare_shoulders
2	6		1girl, necklace, solo, white_dress, bare_shoulders, blush, looking_at_viewer, open_mouth, cleavage, :d, bracelet
3	7		1girl, bare_shoulders, elbow_gloves, looking_at_viewer, solo, blush, bridal_veil, rose, wedding_dress, white_gloves, bouquet, open_mouth, :d, cleavage, earrings, strapless
4	6		1girl, blush, collarbone, looking_at_viewer, solo, white_shirt, short_sleeves, upper_body, wet_shirt, simple_background, white_background, :d, bangs, black_skirt, bra, cleavage, neckerchief, open_mouth, pleated_skirt, sailor_collar, see-through, serafuku
5	7		1girl, blush, looking_at_viewer, nipples, nude, smile, solo, collarbone, doujin_cover, content_rating, open_mouth, simple_background, upper_body
6	9		blush, looking_at_viewer, 1girl, solo, underwear_only, white_background, cleavage, smile, white_panties, navel, simple_background, white_bra, open_mouth
7	17		1boy, 1girl, blush, hetero, nipples, solo_focus, open_mouth, sex, sweat, censored, girl_on_top, nude, vaginal, penis, navel, cowgirl_position, smile, pussy
8	12		playboy_bunny, rabbit_ears, smile, 1girl, detached_collar, fake_animal_ears, looking_at_viewer, rabbit_tail, solo, fake_tail, strapless_leotard, wrist_cuffs, black_leotard, blush, simple_background, white_background, bare_shoulders, bowtie, cleavage, cowboy_shot, armpits, arms_up, brown_pantyhose, fishnet_pantyhose, open_mouth

表格版本

#	样本数量	图像示例	1girl	earrings	midriff	open_mouth	solo	bracelet	card_parody	character_name	star_(symbol)	sun_symbol	black_thighhighs	cleavage	dancer	navel	:d	bow	panties	hair_flower	smile	elbow_gloves	blush	wedding_dress	bare_shoulders	necklace	white_dress	looking_at_viewer	bridal_veil	rose	white_gloves	bouquet	strapless	collarbone	white_shirt	short_sleeves	upper_body	wet_shirt	simple_background	white_background	bangs	black_skirt	bra	neckerchief	pleated_skirt	sailor_collar	see-through	serafuku	nipples	nude	doujin_cover	content_rating	underwear_only	white_panties	white_bra	1boy	hetero	solo_focus	sex	sweat	censored	girl_on_top	vaginal	penis	cowgirl_position	pussy	playboy_bunny	rabbit_ears	detached_collar	fake_animal_ears	rabbit_tail	fake_tail	strapless_leotard	wrist_cuffs	black_leotard	bowtie	cowboy_shot	armpits	arms_up	brown_pantyhose	fishnet_pantyhose
0	5		X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
1	9		X	X		X	X							X						X	X	X	X	X	X
2	6		X			X	X	X						X			X						X		X	X	X	X
3	7		X	X		X	X							X			X					X	X	X	X			X	X	X	X	X	X
4	6		X			X	X							X			X						X					X						X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
5	7		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

在动漫角色数据集的构建领域，该数据集聚焦于《偶像大师：灰姑娘女孩》中的角色natalia/ナターリア，共收录489张图像及其标签。数据采集依托DeepGHS团队开发的自动化爬取系统，从danbooru、pixiv、zerochan等多个站点收集原始图像。为确保数据质量，核心标签如深色皮肤、短发、紫瞳等已被剔除。数据集以多种格式提供，包括原始数据包（含元信息）、尺寸限制为800或1200像素的版本，以及经过三阶段裁剪、面积不低于480x480像素的增强版本，以适应不同训练需求。

特点

该数据集最显著的特点在于其多维度、多分辨率的组织架构。它提供了raw、800、1200及stage3-p480等五种压缩包，其中stage3版本通过三阶段裁剪策略生成1086张图像，有效扩充了数据量。此外，数据集还包含标签聚类结果，将图像按视觉主题（如婚礼、泳装、兔女郎等）分组，便于研究者挖掘角色在不同装扮下的特征分布。这种结构化设计不仅支持文本到图像生成任务，还为细粒度风格分析提供了便利。

使用方法

使用该数据集时，研究者可直接从HuggingFace下载对应压缩包。对于原始数据，推荐通过waifuc库加载：首先利用huggingface_hub下载dataset-raw.zip，解压后使用LocalSource读取图像及元信息（如文件名、标签）。若需快速训练，可选择800或1200像素的IMG+TXT格式包，其中图像与标签文件一一对应。进阶用户可选用stage3裁剪版本，其增强后的图像更适用于需要高局部一致性的生成模型。所有操作均基于Python环境，代码示例已集成至官方文档中。

背景与挑战

背景概述

该数据集由CyberHarem团队于近期创建，聚焦于《偶像大师 灰姑娘女孩》中的角色ナターリア（Natalia）。核心研究问题在于为文本到图像生成任务提供高质量的动漫角色图像与标签配对数据。团队通过自动化爬取系统从Danbooru、Pixiv、Zerochan等多源站点收集了489张图像，并进行了精细的标签标注与多种分辨率版本的处理。作为面向特定角色的小规模数据集，它为个性化图像生成、角色特征学习等领域提供了宝贵的训练资源，推动了动漫风格生成模型在特定角色上的精细化研究。

当前挑战

该数据集面临的挑战主要体现在三个方面。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复杂角色特征（如深色皮肤、紫色眼睛等）与多样化服饰场景的组合，数据集中仅489张图像难以覆盖角色全部姿态与情境，易导致生成结果单一或特征混淆。其次，在构建过程中，多源爬取的图像质量参差不齐，需通过标签修剪与多阶段裁剪（如stage3-p480-800）来标准化数据，但剪裁可能丢失关键构图信息。此外，部分图像涉及成人内容（如标签中出现的nude、sex），如何在保留角色多样性的同时进行合理过滤与标注，也是数据清洗中的一大难点。

常用场景

经典使用场景

该数据集聚焦于《偶像大师灰姑娘女孩》中角色娜塔莉亚的高质量图像与标签集合，涵盖489张精心爬取与标注的图片。其核心应用场景在于为文生图模型提供精准的角色视觉先验，尤其适用于训练能够忠实还原该角色标志性外貌特征（如深色皮肤、紫色眼眸、短发及特定服饰搭配）的扩散模型或对抗生成网络。研究者可借助此数据集进行角色一致性的图像生成、多风格角色迁移学习，或是探索标签驱动下的细粒度视觉属性控制，为虚拟角色定制化生成奠定坚实的数据基础。

解决学术问题

在学术研究层面，该数据集有效回应了动漫角色生成领域长期存在的数据稀缺与标注不统一问题。通过提供包含原始元信息、多分辨率裁剪版本及标签聚类结果的结构化数据，它支持研究者深入探讨标签噪声对生成质量的影响、不同数据增强策略（如三阶段裁剪）在保持角色身份特征上的效能，以及多源异构图像（来自Danbooru、Pixiv等平台）在训练泛化性中的角色。这些工作对推动可控生成、少样本角色学习以及跨域风格迁移的理论发展具有显著意义。

衍生相关工作

该数据集衍生出多项具有启发性的工作。其配套的Waifuc数据加载框架与三阶段裁剪策略已被后续研究采纳为动漫图像预处理的标准流程。基于该数据集的标签聚类结果，学者们开发出针对动漫角色服饰与属性的自动发现算法，并催生了诸如角色身份保持生成、多角色融合生成等任务。此外，数据集的发布也促进了跨平台图像爬取与标注规范的建设，为后续多个虚拟角色数据集的构建提供了可复现的技术路线与质量评估基准。