CyberHarem/yayoi_kantaicollection

这是一个名为yayoi/弥生/弥生 (Kantai Collection)的数据集，包含500张图片及其标签。数据集的核心标签包括`hair_ornament, crescent_hair_ornament, purple_hair, blue_eyes, long_hair, hair_between_eyes, short_hair`，这些标签在数据集中被修剪。图片从多个网站（如danbooru, pixiv, zerochan等）爬取，爬取系统由DeepGHS团队提供。数据集提供了多种格式的下载选项，包括原始数据、不同分辨率的图片以及经过裁剪的图片。此外，还提供了使用waifuc加载原始数据集的代码示例。This is a dataset titled yayoi/弥生/弥生 (Kantai Collection) containing 500 images and their corresponding labels. The core tags for the dataset include `hair_ornament, crescent_hair_ornament, purple_hair, blue_eyes, long_hair, hair_between_eyes, short_hair`, which are the pruned key annotations of the dataset. Images were crawled from multiple websites such as danbooru, pixiv, zerochan, and others, with the crawling system provided by the DeepGHS team. Multiple download options are available for the dataset, including raw data, images with various resolutions, and cropped images. Additionally, code examples for loading the raw dataset using waifuc are provided.

原始信息汇总

弥生/弥生 (Kantai Collection) 数据集

数据集概述

该数据集包含500张关于角色弥生（Kantai Collection）的图像及其标签。主要标签包括hair_ornament, crescent_hair_ornament, purple_hair, blue_eyes, long_hair, hair_between_eyes, short_hair。

数据来源

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

数据集包列表

名称	图像数量	大小	类型	描述
raw	500	401.94 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	500	288.49 MiB	IMG+TXT	短边不超过800像素的数据集
stage3-p480-800	1138	603.09 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素
1200	500	378.43 MiB	IMG+TXT	短边不超过1200像素的数据集
stage3-p480-1200	1138	746.71 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

提供原始数据集（包括标记图像）用于waifuc加载。

标签聚类结果

原始文本版本

#	样本数	图像1	图像2	图像3	图像4	图像5	标签
0	13	样本0	样本1	样本2	样本3	样本4	1girl, black_sailor_collar, blush, crescent, short_hair_with_long_locks, solo, simple_background, upper_body, long_sleeves, looking_at_viewer, white_background, black_serafuku, blue_serafuku, blue_shirt, closed_mouth, open_mouth
1	5	样本0	样本1	样本2	样本3	样本4	1girl, black_sailor_collar, black_skirt, crescent, long_sleeves, pleated_skirt, short_hair_with_long_locks, solo, white_background, black_serafuku, cowboy_shot, simple_background, blush, looking_at_viewer, navel, closed_mouth
2	14	样本0	样本1	样本2	样本3	样本4	1girl, crescent, looking_at_viewer, serafuku, short_hair_with_long_locks, solo, long_sleeves, navel, blush, midriff, pleated_skirt, white_background, machinery, socks
3	6	样本0	样本1	样本2	样本3	样本4	1girl, crescent, looking_at_viewer, serafuku, short_hair_with_long_locks, solo, upper_body, simple_background, white_background, ribbon, twitter_username
4	6	样本0	样本1	样本2	样本3	样本4	2girls, crescent, serafuku, short_hair_with_long_locks, long_sleeves, pleated_skirt, solo_focus, frilled_skirt, kneehighs, looking_at_viewer, sitting
5	5	样本0	样本1	样本2	样本3	样本4	1girl, crescent, necklace, short_hair_with_long_locks, solo, alternate_costume, brown_jacket, looking_at_viewer, simple_background, smile, blush, one-hour_drawing_challenge, pink_dress, white_background, bag, cowboy_shot, long_sleeves, purple_eyes, twitter_username, upper_body
6	7	样本0	样本1	样本2	样本3	样本4	1girl, blush, enmaided, short_hair_with_long_locks, solo, crescent, frills, maid_headdress, looking_at_viewer, maid_apron, black_dress, short_sleeves, cat_ears, cat_tail, long_sleeves, waist_apron, white_apron, white_background
7	7	样本0	样本1	样本2	样本3	样本4	1girl, navel, short_hair_with_long_locks, solo, white_background, crescent, simple_background, blush, looking_at_viewer, black_bikini, blue_hair, twitter_username
8	9	样本0	样本1	样本2	样本3	样本4	1girl, crescent, fake_animal_ears, playboy_bunny, rabbit_ears, short_hair_with_long_locks, solo, strapless_leotard, blush, detached_collar, looking_at_viewer, rabbit_tail, wrist_cuffs, black_pantyhose, bowtie, covered_navel, fake_tail, simple_background, small_breasts, white_background, high_heels

表格版本

#	样本数	图像1	图像2	图像3	图像4	图像5	1girl	black_sailor_collar	blush	crescent	short_hair_with_long_locks	solo	simple_background	upper_body	long_sleeves	looking_at_viewer	white_background	black_serafuku	blue_serafuku	blue_shirt	closed_mouth	open_mouth	black_skirt	pleated_skirt	cowboy_shot	navel	serafuku	midriff	machinery	socks	ribbon	twitter_username	2girls	solo_focus	frilled_skirt	kneehighs	sitting	necklace	alternate_costume	brown_jacket	smile	one-hour_drawing_challenge	pink_dress	bag	purple_eyes	enmaided	frills	maid_headdress	maid_apron	black_dress	short_sleeves	cat_ears	cat_tail	waist_apron	white_apron	black_bikini	blue_hair	fake_animal_ears	playboy_bunny	rabbit_ears	strapless_leotard	detached_collar	rabbit_tail	wrist_cuffs	black_pantyhose	bowtie	covered_navel	fake_tail	small_breasts	high_heels
0	13	样本0	样本1	样本2	样本3	样本4	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
1	5	样本0	样本1	样本2	样本3	样本4	X	X	X	X	X	X	X		X	X	X	X			X		X	X	X	X
2	14	样本0	样本1	样本2	样本3	样本4	X		X	X	X	X			X	X	X							X		X	X	X	X	X
3	6	样本0	样本1	样本2	样本3	样本4	X			X	X	X	X	X		X	X										X				X	X
4	6	样本0	样本1	样本2	样本3	样本4				X	X				X	X								X			X						X	X	X	X	X
5	5	样本0	样本1	样本2	样本3	样本4	X		X	X	X	X	X	X	X	X	X								X							X						X	X	X	X	X	X	X	X
6	7	样本0	样本1	样本2	样本3	样本4	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《舰队Collection》中角色“弥生”的图像资源，共收录500幅经过标注的图片。数据采集过程中，团队从Danbooru、Pixiv、Zerochan等多个站点进行自动化爬取，该爬取系统由DeepGHS团队提供技术支持。为提升数据质量，数据集对核心标签（如新月发饰、紫色长发、蓝色眼眸等）进行了精简处理。同时，数据集提供了多种预处理版本，包括原始元数据包、短边限制为800或1200像素的标准化图像，以及经过三阶段裁剪且面积不低于480×480像素的增强样本，以满足不同训练场景的需求。

特点

该数据集在标签组织上展现出独特的结构性优势。一方面，通过标签聚类分析，将图像按视觉特征划分为多个簇，例如水手服、兔女郎装、女仆装等不同装扮类型，便于研究者挖掘角色在不同服饰下的表现规律。另一方面，每个聚类均提供了样本图像和详细的标签组合，这为细粒度图像生成任务提供了清晰的类别参考。此外，数据集明确剔除了冗余的核心标签，降低了噪声干扰，使模型能够更专注于角色本身的视觉特征学习。

使用方法

数据集的使用方式灵活多样。用户可直接下载预处理完成的ZIP压缩包（如IMG+TXT格式）进行常规训练。对于需要原始元数据的研究者，推荐通过Waifuc库加载原始数据集，示例代码展示了从HuggingFace Hub下载、解压并利用LocalSource读取图像及标签的完整流程。此外，数据集提供的聚类结果还可作为先验知识，辅助进行少样本学习或风格迁移等高级任务的标签设计，从而提升模型在特定角色生成上的表现力。

背景与挑战

背景概述

在二次元文化日益繁荣的背景下，角色图像数据集对于推动文生图模型的发展至关重要。CyberHarem/yayoi_kantaicollection 数据集由 DeepGHS 团队于近期构建，专注于收录《舰队Collection》中的角色“弥生”。该数据集的核心研究问题在于为弥生这一特定角色提供高质量、多样化的图像与标签配对资源，以支持基于文本提示的图像生成任务。通过从 Danbooru、Pixiv 等多个平台自动爬取并精心筛选，数据集包含了 500 张图像及其对应的标签，涵盖了角色在不同着装、姿势和场景下的丰富表现。这一数据集的发布为二次元角色定制化生成模型提供了宝贵的训练素材，在相关社区中产生了显著的影响力。

当前挑战

该数据集所面临的挑战首先体现在领域问题上：文生图模型在面对单一角色时，往往难以精准捕捉其核心特征（如新月形发饰、紫色长发等），导致生成结果存在身份混淆或细节缺失。此外，数据集的构建过程也充满挑战：从多个来源自动爬取图像时，需应对数据版权、图像质量参差不齐以及标签噪声等问题。尽管采用了 Waifuc 等工具进行自动化处理，但手动清洗与标注仍必不可少，且 500 张图像的数据量对于覆盖角色全部变体（如不同服装与姿态）仍显不足，可能影响模型的泛化能力与生成稳定性。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/yayoi_kantaicollection 数据集常被用于对特定动漫角色（如《舰队Collection》中的弥生）进行精细化微调训练。研究者利用其提供的500张高分辨率图像及配套标签，结合Stable Diffusion等扩散模型，通过LoRA或DreamBooth等技术，使模型能够精准捕捉角色标志性外观特征，如紫色长发、蓝色眼眸与新月发饰，从而生成高度一致且风格多样的角色肖像。该数据集的多尺度版本（如800px与1200px）和裁剪版本（stage3-p480）为不同训练需求提供了灵活选择，推动了角色定制化生成技术的标准化与普及。

解决学术问题

该数据集有效解决了动漫角色生成中概念混淆与细节丢失的学术难题。传统文本到图像模型在面对具有复杂装饰性元素（如新月头饰、水手服纹理）的特定角色时，常出现特征混淆或风格偏移。通过提供经过标签裁剪的核心特征集（如hair_ornament, crescent_hair_ornament）和聚类分析结果，研究者得以系统性地研究少样本条件下的概念学习机制，探索标签粒度对生成质量的影响。其贡献在于为角色一致性生成提供了可复现的基准资源，推动了扩散模型在细粒度视觉概念捕捉方面的理论进展。

衍生相关工作

基于该数据集，衍生出了一系列关于角色概念解耦与多风格迁移的经典工作。例如，研究者利用其聚类标签（如cluster 0的水手服与cluster 6的女仆装）探索了属性分离与组合生成的方法，催生了如“角色保持+服饰替换”的定向编辑技术。同时，数据集配套的Waifuc加载接口与多阶段裁剪方案（stage3-p480）被后续工作引用为少样本角色数据集的标准处理流程，促进了ACGN领域专用数据集构建规范的建立。此外，其“原始-裁剪-缩放”的多层级架构启发了针对遮挡鲁棒性训练的数据增强策略。