CyberHarem/guam_azurlane

这是一个名为guam/グアム/关岛 (Azur Lane)的数据集，包含54张图片及其标签。核心标签包括`blonde_hair, breasts, long_hair, large_breasts, bangs, blue_eyes, very_long_hair, twintails, symbol-shaped_pupils, animal_ears, hat, purple_eyes, rabbit_ears, hair_ornament, hair_between_eyes`。图片从多个网站（如danbooru, pixiv, zerochan等）爬取，爬取系统由DeepGHS团队提供。数据集分为多个包，包括原始数据包和不同尺寸的图片包。此外，还提供了使用waifuc加载原始数据集的代码示例，以及标签聚类结果的列表。这是一个名为guam/グアム/关岛 (Azur Lane)的数据集，包含54张图片及其标签。核心标签包括`blonde_hair, breasts, long_hair, large_breasts, bangs, blue_eyes, very_long_hair, twintails, symbol-shaped_pupils, animal_ears, hat, purple_eyes, rabbit_ears, hair_ornament, hair_between_eyes`。图片从多个网站（如danbooru, pixiv, zerochan等）爬取，爬取系统由DeepGHS团队提供。数据集分为多个包，包括原始数据包和不同尺寸的图片包。此外，还提供了使用waifuc加载原始数据集的代码示例，以及标签聚类结果的列表。

原始信息汇总

数据集概述

数据集信息

• 名称: Dataset of guam/グアム/关岛 (Azur Lane)
• 许可证: MIT
• 任务类别: text-to-image
• 标签: art, not-for-all-audiences
• 数据量: n<1K

数据集内容

• 图像数量: 54张
• 核心标签:
  • blonde_hair
  • breasts
  • long_hair
  • large_breasts
  • bangs
  • blue_eyes
  • very_long_hair
  • twintails
  • symbol-shaped_pupils
  • animal_ears
  • hat
  • purple_eyes
  • rabbit_ears
  • hair_ornament
  • hair_between_eyes

数据集包列表

名称	图像数量	大小	类型	描述
raw	54	116.27 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	54	52.98 MiB	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	147	120.78 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。
1200	54	96.26 MiB	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	147	194.17 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, bare_shoulders, blush, cleavage, fake_animal_ears, looking_at_viewer, open_mouth, playboy_bunny, solo, white_gloves, facial_tattoo, fang, simple_background, thighs, top_hat, two_side_up, white_background, :d, blue_leotard, thighhighs, collarbone, detached_collar, heart-shaped_pupils, holding, huge_breasts, ribbon
1	5		1girl, black_gloves, covered_navel, fingerless_gloves, smile, solo, long_sleeves, looking_at_viewer, open_mouth, black_thighhighs, blush, hairclip, highleg_leotard, leotard_under_clothes, one_eye_closed, sidelocks, thighs, m/, cowboy_shot, skindentation, standing, star_(symbol)
2	5		1girl, black_gloves, blush, looking_at_viewer, smile, solo, :q, fingerless_gloves, ++, hairclip, headgear, heart, simple_background, star(symbol), upper_body, white_background

表格版本

#	样本数量	图像示例	1girl	bare_shoulders	blush	cleavage	fake_animal_ears	looking_at_viewer	open_mouth	playboy_bunny	solo	white_gloves	facial_tattoo	fang	simple_background	thighs	top_hat	two_side_up	white_background	:d	blue_leotard	thighhighs	collarbone	detached_collar	heart-shaped_pupils	holding	huge_breasts	ribbon	black_gloves	covered_navel	fingerless_gloves	smile	long_sleeves	black_thighhighs	hairclip	highleg_leotard	leotard_under_clothes	one_eye_closed	sidelocks	m/	cowboy_shot	skindentation	standing	star_(symbol)	:q	+_+	headgear	heart	upper_body
0	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
1	5		X		X			X	X		X					X													X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
2	5		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

在数字艺术与动漫文化交融的背景下，该数据集聚焦于《碧蓝航线》中的角色“关岛”（Guam/グアム），旨在为文本到图像生成任务提供高质量素材。数据集的构建依托于DeepGHS团队开发的自动化爬取系统，从Danbooru、Pixiv、Zerochan等多个知名艺术平台采集原始图像，共计54张。采集过程中，系统自动提取并精简了该角色的核心标签，如金发、巨乳、长髮、兔耳等，以确保数据纯净。为适应不同应用场景，数据集提供了多种规格的压缩包，包括原始元数据包、边长限制为800或1200像素的标准化版本，以及经过三阶段裁剪、面积不低于480x480像素的增强版本，极大丰富了数据的可用性。

特点

该数据集的核心特色在于其精细化的多版本设计与标签聚类分析。一方面，通过提供raw、800、1200及stage3-p480等不同分辨率和裁剪策略的版本，满足了从模型预训练到精细微调的多层次需求。另一方面，数据集附带了标签聚类结果，将54张图像归纳为三个主题簇，每个簇包含5张样本，并详细展示了簇内共享的标签，如“playboy_bunny”、“blue_leotard”或“black_gloves”等，这有助于挖掘角色在不同着装或姿态下的潜在模式。此外，所有图像均保留了完整的元标签信息，为后续的条件生成或风格迁移研究奠定了坚实基础。

使用方法

该数据集的使用方式灵活多样，主要分为直接下载与编程加载两种途径。用户可根据需求从HuggingFace页面直接下载对应格式的ZIP压缩包，解压后即可获得图像与对应的TXT标签文件。对于进阶用户，数据集原生支持通过waifuc库进行加载，具体步骤包括：使用huggingface_hub下载raw版本的压缩包，解压至本地目录，随后利用waifuc的LocalSource接口读取数据，从而便捷地遍历每张图像及其文件名和标签列表。这种设计使得数据集能够无缝集成到现有的图像生成或处理流水线中，尤其适合需要批量处理或动态标签管理的深度学习项目。

背景与挑战

背景概述

在生成式人工智能与数字艺术领域，大规模、高质量的人物图像数据集对于驱动文本到图像模型的发展至关重要。由DeepGHS团队于近期创建的CyberHarem/guam_azurlane数据集，聚焦于《碧蓝航线》中角色“关岛”（Guam），旨在为动漫风格人物生成提供专业化训练资源。该数据集包含54张精心采集的图像及其对应标签，核心特征涵盖金发、长双马尾、兔耳、异色瞳孔等标志性视觉元素。通过多平台自动化爬取与后处理，该数据集不仅丰富了动漫角色领域的细粒度数据储备，也为后续模型在特定角色风格迁移、属性可控生成等任务上奠定了坚实基础，对推动二次元风格图像生成研究具有重要参考价值。

当前挑战

该数据集面临的核心挑战首先体现在领域问题层面：动漫角色生成需精准捕捉高度风格化的视觉特征（如兔耳与瞳孔形状），且角色属性组合复杂，现有模型在保持身份一致性与细节保真度上仍显不足。其次，构建过程中遭遇多重困难：1）数据来源分散于Danbooru、Pixiv等平台，需设计自动化爬虫系统并处理版权与内容合规问题；2）原始图像分辨率、构图差异显著，需经多阶段裁剪与尺寸标准化（如480×1200像素）以适配模型训练；3）标签体系庞杂，需通过聚类与人工校验剔除冗余标签，确保核心特征（如“blonde_hair”）的准确标注。这些挑战共同制约了数据集在高精度可控生成任务中的直接应用效能。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/guam_azurlane 数据集以其对碧蓝航线角色“关岛”的精细化标注而著称。该数据集包含54张高分辨率图像及其对应的标签信息，核心标签如金发、巨乳、兔耳等被精心筛选，为基于扩散模型的角色定制化生成提供了高质量的监督信号。研究者常利用该数据集进行特定角色概念的微调训练，通过少样本学习实现风格一致且细节丰富的角色图像生成，是评估文本引导图像生成模型在动漫角色还原度与多样性上表现的重要基准。

解决学术问题

该数据集有效解决了动漫角色个性化生成中数据稀疏与标注不一致的学术难题。通过系统化爬取多源数据并统一标签体系，它克服了传统方法因角色姿态、服饰多变导致的概念混淆问题，为研究文本到图像生成中的细粒度语义对齐与概念解耦提供了标准化的实验平台。其意义在于推动了可控图像生成技术在虚拟角色领域的理论发展，使得模型能够更精准地理解并复现复杂属性组合，从而深化了对生成模型泛化能力与记忆机制的认知。

衍生相关工作

基于该数据集，衍生出了一系列经典工作，包括但不限于：利用DreamBooth和LoRA等微调技术进行角色概念注入的方法，探索了在少量样本下保持身份特征与风格迁移的平衡；以及基于标签聚类分析的角色服饰与姿态解耦研究，通过挖掘潜在语义簇来提升生成模型的可控性。此外，该数据集还促进了多模态对比学习在动漫图像检索与生成中的应用，为后续构建更大规模的虚拟角色数据集奠定了方法论基础。