CyberHarem/momiji_bluearchive

这是一个名为momiji/秋泉モミジ/红叶 (Blue Archive)的数据集，包含84张图像及其标签。图像从多个网站（如danbooru、pixiv、zerochan等）爬取，爬取系统由DeepGHS团队提供。数据集的核心标签包括`green_hair, halo, long_hair, green_eyes, bow, blue_halo, red_bow`，并且这些标签在数据集中被修剪。README还提供了数据集的下载链接和加载方法，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 momiji/秋泉モミジ/红叶 (Blue Archive)
• 包含内容: 84张图片及其标签
• 核心标签: green_hair, halo, long_hair, green_eyes, bow, blue_halo, red_bow
• 来源: 从多个网站爬取，如danbooru, pixiv, zerochan等

数据集包列表

名称	图片数量	大小	类型	描述
raw	84	114.74 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）
1200	84	93.94 MiB	IMG+TXT	短边不超过1200像素的数据集
stage3-p480-1200	207	196.65 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素

加载原始数据集

• 工具: waifuc

• 代码示例: python import os import zipfile from huggingface_hub import hf_hub_download from waifuc.source import LocalSource

  下载原始归档文件

  zip_file = hf_hub_download( repo_id=CyberHarem/momiji_bluearchive, repo_type=dataset, filename=dataset-raw.zip, )

  提取文件到指定目录

  dataset_dir = dataset_dir os.makedirs(dataset_dir, exist_ok=True) with zipfile.ZipFile(zip_file, r) as zf: zf.extractall(dataset_dir)

  使用waifuc加载数据集

  source = LocalSource(dataset_dir) for item in source: print(item.image, item.meta[filename], item.meta[tags])

标签聚类结果

原始文本版本

#	样本数量	图片1	图片2	图片3	图片4	图片5	标签
0	17						1girl, white_coat, animal_hood, hood_up, long_sleeves, solo, white_gloves, blush, fur-trimmed_coat, hooded_coat, looking_at_viewer, fur-trimmed_hood, simple_background, white_background, smile, winter_clothes, closed_mouth, holding, sidelocks, open_mouth, upper_body, twintails
1	8						1girl, black_pantyhose, fur-trimmed_coat, hood_up, hooded_coat, long_sleeves, solo, white_coat, animal_hood, full_body, fur-trimmed_boots, blush, looking_at_viewer, standing, white_gloves, closed_mouth, simple_background, holding_gun, rocket_launcher, sidelocks, white_background, bear_hood, brown_footwear, fur-trimmed_hood, open_mouth, paw_gloves, winter_clothes

表格版本

#	样本数量	图片1	图片2	图片3	图片4	图片5	1girl	white_coat	animal_hood	hood_up	long_sleeves	solo	white_gloves	blush	fur-trimmed_coat	hooded_coat	looking_at_viewer	fur-trimmed_hood	simple_background	white_background	smile	winter_clothes	closed_mouth	holding	sidelocks	open_mouth	upper_body	twintails	black_pantyhose	full_body	fur-trimmed_boots	standing	holding_gun	rocket_launcher	bear_hood	brown_footwear	paw_gloves
0	17						X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
1	8						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

搜集汇总

数据集介绍

构建方式

该数据集聚焦于《蔚蓝档案》中的角色“红叶”（秋泉モミジ），由DeepGHS团队基于自动化爬取系统构建，图像来源涵盖Danbooru、Pixiv、Zerochan等多个知名图库。原始数据包含84张图像及其对应的标签信息，核心标签如绿发、光环、长发、绿瞳、蝴蝶结等已被精简处理。数据集提供三种打包格式：原始版（raw）保留元数据并统一将最小边长对齐至1400像素；1200版将短边限制在1200像素以内；stage3-p480-1200版则经过三级裁剪，确保有效区域不小于480×480像素，最终生成207张图像。

特点

数据集以角色为中心，具备精细的标签体系与多尺度处理能力。通过标签聚类分析，可挖掘出不同服装组合与场景模式，例如白大褂与动物连帽外套的冬季装束、火箭筒与持枪动作的战斗姿态等。图像经过尺寸统一与裁剪优化，兼顾高分辨率细节与训练效率。数据总量虽小（原始84张），但通过裁剪扩增与元数据保留，为文本到图像模型提供了高质量、高特异性的角色训练素材。

使用方法

用户可通过Hugging Face Hub直接下载压缩包，或利用waifuc工具库加载原始数据集。使用Python代码时，首先通过huggingface_hub库下载dataset-raw.zip文件，解压至本地目录，随后调用waifuc的LocalSource接口读取图像及其元数据（包括文件名与标签）。对于需要固定尺寸或裁剪版本的用户，可选择1200或stage3-p480-1200压缩包直接解压使用。所有数据均采用MIT许可证，便于学术研究与开源项目集成。

背景与挑战

背景概述

在文本到图像生成领域，高质量、标注精细的角色数据集是驱动模型精准描绘特定虚拟形象的关键资源。CyberHarem/momiji_bluearchive 数据集由 DeepGHS 团队于近期创建，聚焦于游戏《蔚蓝档案》中的角色“红叶”（秋泉モミジ）。该数据集核心研究问题在于如何通过自动化爬取与清洗流程，构建一个包含 84 张图像及其详尽标签的小规模但高纯度角色数据集，以支持二次元角色定制化生成模型的训练与微调。其影响力体现在为社区提供了一个标准化的角色数据基准，促进了针对特定动漫角色外观与属性（如绿发、光环、长直发）的精准生成研究。

当前挑战

该数据集所解决的领域挑战在于文本到图像生成中角色一致性的保持与细粒度属性控制。具体挑战包括：1）领域问题层面，动漫角色拥有复杂且精细的视觉特征（如特定颜色发型、光环形状），模型需从有限样本中准确学习并泛化这些属性，避免生成时出现特征混淆或缺失；2）构建过程中，面临从多源站点（如 Danbooru、Pixiv）自动爬取时图像质量参差不齐、标签噪声高、版权归属混杂等难题，需设计高效的过滤与标注统一策略；3）数据规模极小（84 张图像），易导致过拟合，需借助数据增强与多尺度裁剪（如 stage3-p480-1200 版本）来提升模型鲁棒性。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/momiji_bluearchive 数据集为动漫角色‘红叶’（出自《蔚蓝档案》）的视觉生成任务提供了精炼的素材库。该数据集包含84张经过筛选的高质量图像及其对应标签，核心特征如绿色长发、光环、蝴蝶结等已被提取并精简，研究人员可将其用于训练或微调生成对抗网络（GANs）与扩散模型，以精准复现角色外观，尤其适用于小样本学习场景下的角色一致性生成研究。

解决学术问题

该数据集有效回应了动漫角色生成中数据稀缺与标注不一致的学术挑战。通过自动爬取多平台图像并统一标注，它解决了因来源庞杂导致的特征冗余与噪声问题，为少样本角色定制化生成提供了标准化基准。其意义在于推动了条件式图像生成模型在虚拟角色重建上的泛化能力，并促进了标签语义与视觉特征对齐的方法论探索，对提升生成内容的可控性与忠实度具有重要影响。

衍生相关工作

基于该数据集，衍生工作主要聚焦于标签驱动的小样本角色生成与风格迁移。例如，利用其提供的多阶段裁剪版本（stage3-p480-1200）进行扩散模型微调，可衍生出基于角色核心特征的图像修复方法；同时，其标签聚类结果已被用于探索无监督角色部件解耦技术，推动如‘角色-服饰’分离生成等下游任务。此外，该数据集的构建流程（基于waifuc框架）也为其他动漫角色数据集的高效创建提供了可复现的范例。