CyberHarem/tashkent_kantaicollection

这是一个名为tashkent/タシュケント (Kantai Collection)的数据集，包含500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。数据集提供了多个版本的下载链接，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，还提供了如何使用waifuc工具加载原始数据集的代码示例。

This is a dataset named tashkent/タシュケント (Kantai Collection) that contains 500 images and their corresponding labels. The images were crawled from multiple websites including danbooru, pixiv, zerochan and other platforms, and the crawling system was developed by the DeepGHS Team. The dataset offers multiple download options, covering raw dataset files, images with different resolutions, and cropped images. Additionally, code examples for loading the raw dataset using the waifuc tool are provided.

原始信息汇总

数据集概述

数据集基本信息

• 名称: Dataset of tashkent/タシュケント (Kantai Collection)
• 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: 500
• 核心标签: brown_hair, long_hair, twintails, low_twintails, hair_ornament, hairclip, brown_eyes, bow, hair_bow, black_bow, hair_between_eyes, hat, black_headwear, fur_hat, breasts

数据包列表

名称	图像数量	大小	类型	描述
raw	500	563.07 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	500	323.25 MiB	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	1235	709.79 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。
1200	500	501.14 MiB	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	1235	1001.38 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	15		1girl, black_gloves, blue_shawl, fingerless_gloves, looking_at_viewer, papakha, simple_background, solo, star_(symbol), white_background, white_scarf, red_shirt, smile, torn_scarf, white_jacket, upper_body, anchor_necklace, blush, twitter_username
1	5		1girl, anchor_necklace, black_belt, black_gloves, black_skirt, blue_shawl, fingerless_gloves, looking_at_viewer, papakha, red_shirt, ribbon_trim, simple_background, smile, solo, star_(symbol), torn_scarf, untucked_shirt, white_background, white_jacket, white_scarf, open_mouth, pantyhose, salute
2	5		1girl, anchor_necklace, black_belt, black_footwear, black_gloves, black_skirt, blue_shawl, fingerless_gloves, looking_at_viewer, papakha, red_shirt, ribbon_trim, simple_background, smile, solo, star_(symbol), thigh_boots, thighhighs, torn_scarf, untucked_shirt, white_background, white_jacket, white_scarf, brown_pantyhose, cowboy_shot, twitter_username
3	6		1girl, anchor_necklace, black_footwear, black_gloves, black_skirt, blue_shawl, fingerless_gloves, long_sleeves, looking_at_viewer, pantyhose, papakha, red_shirt, ribbon_trim, solo, star_(symbol), thigh_boots, thighhighs, torn_scarf, untucked_shirt, white_jacket, white_scarf, black_belt, open_mouth, blush, smile, pleated_skirt, red_background
4	6		1girl, black_shirt, open_mouth, solo, black_gloves, black_skirt, blush, fingerless_gloves, looking_at_viewer, papakha, star_(symbol), white_background, long_sleeves, medium_breasts, simple_background, black_sweater, pleated_skirt, twitter_username
5	8		1girl, looking_at_viewer, solo, simple_background, white_background, black_bikini, cleavage, navel, open_mouth, papakha, side-tie_bikini_bottom, star_(symbol), blush, large_breasts, black_thighhighs, blue_shawl, torn_scarf, white_scarf, black_gloves, collarbone, fingerless_gloves, medium_breasts
6	8		1girl, alternate_costume, looking_at_viewer, medium_breasts, solo, cowboy_shot, open_mouth, blue_one-piece_swimsuit, blush, collarbone, gradient_background, school_swimsuit, name_tag, star_(symbol), blue_background, covered_navel, smile, twitter_username
7	12		1girl, cloud, day, looking_at_viewer, solo, blue_sky, outdoors, cleavage, ocean, open_mouth, blush, collarbone, large_breasts, medium_breasts, smile, beach, blue_bikini, navel, water
8	5		1girl, solo, white_background, competition_swimsuit, cowboy_shot, looking_at_viewer, simple_background, black_one-piece_swimsuit, large_breasts, blue_one-piece_swimsuit, highleg_swimsuit, medium_breasts, smile, twitter_username
9	14		alternate_costume, 1girl, solo, cleavage, medium_breasts, fake_animal_ears, looking_at_viewer, playboy_bunny, rabbit_ears, detached_collar, strapless_leotard, large_breasts, white_background, bowtie, open_mouth, simple_background, black_leotard, cowboy_shot, thighhighs, wrist_cuffs, brown_pantyhose, jacket, thigh_boots

搜集汇总

数据集介绍

构建方式

本数据集聚焦于《舰队Collection》中的角色塔什干（タシュケント），由DeepGHS团队基于自动抓取系统构建，图像来源涵盖Danbooru、Pixiv、Zerochan等多个知名图站。原始数据包含500张图像及其对应的标签信息，核心标签如棕色长发、双马尾、发饰、帽子等已被精简处理。数据集提供多种规格的打包版本，包括原始分辨率（最小边对齐至1400像素）、短边不超过800或1200像素的缩放版本，以及经过三阶段裁剪、确保区域不小于480×480像素的增强版本，以满足不同训练场景的需求。

特点

该数据集的最大特色在于其多层次的版本划分与标签聚类分析功能。除基础图像与标签对外，还提供了基于Waifuc框架的原始数据加载方式，支持元信息与标签的灵活获取。特别地，数据集中嵌入了标签聚类结果，将图像按视觉与语义相似性分为多个簇，每个簇附带代表性的样本缩略图与高频标签列表，便于研究者挖掘角色在不同服饰、姿态或背景下的潜在模式，例如校服、泳装、兔女郎等变体风格。

使用方法

使用者可通过Hugging Face Hub直接下载各版本压缩包，并利用Waifuc库的LocalSource接口加载原始数据集，实现图像与标签的迭代访问。对于需要特定分辨率的训练任务，建议选用800或1200版本；若需增强样本多样性，三阶段裁剪版本提供了更多的局部区域数据。此外，标签聚类表格可用于快速筛选特定风格或场景的子集，辅助进行少样本学习或风格迁移等下游任务。

背景与挑战

背景概述

在二次元文化蓬勃发展的当下，角色驱动的内容生成成为文本到图像领域的重要分支。CyberHarem团队于近期构建了tashkent_kantaicollection数据集，聚焦于《舰队Collection》中的角色塔什干（タシュケント）。该数据集由DeepGHS团队主导开发，核心研究问题在于如何系统性地收集、标注并组织高质量的角色图像，以支撑精细化的人物特征学习与风格迁移任务。通过整合来自Danbooru、Pixiv、Zerochan等多平台的500张图像及其标签，数据集为动漫角色生成提供了标准化的训练素材，尤其在人脸属性、服饰细节与姿态多样性方面具有显著影响力，推动了二次元角色生成技术的可控性与泛化能力。

当前挑战

该数据集面临的挑战首先体现在领域问题层面：文本到图像生成任务中，角色的多模态一致性难以保证，例如塔什干的标志性特征（棕色双马尾、毛帽、蝴蝶结）在不同画风下易出现语义漂移，导致生成结果与用户意图偏离。构建过程中，多源爬取带来了标签噪声与图像质量参差的问题，自动标注系统虽基于waifuc框架，但面对复杂构图或稀有姿态时，标签的完整性与准确性仍显不足。此外，数据集规模较小（n<1K），限制了模型对长尾特征的学习能力，且不同分辨率版本（如800px与1200px）的适配性需进一步优化，以平衡存储开销与生成细节保留之间的矛盾。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/tashkent_kantaicollection数据集为二次元角色‘塔什干’（源自《舰队Collection》）的精准生成提供了高质量的图像-标签对。该数据集包含500张精心爬取自Danbooru、Pixiv等站点的图像，并附有经裁剪的核心标签（如棕色长发、双马尾、毛帽等），可用于训练和微调扩散模型或生成对抗网络，实现对该角色特定外观与风格的高保真还原。

衍生相关工作

基于此数据集，衍生出了多项经典工作，包括使用Waifuc框架进行高效数据加载与预处理的研究、基于标签聚类的角色穿搭分析，以及多阶段裁剪（如stage3-p480-800）策略的提出。这些工作不仅优化了数据集的可用性，还启发了针对动漫角色数据集的标准化构建流程，为后续角色生成任务奠定了方法论基础。

数据集最近研究

最新研究方向

在二次元角色数据集构建与文本到图像生成领域，针对《舰队Collection》中角色“塔什干”的精细化图像-标签数据集正成为推动扩散模型与LoRA微调技术发展的关键资源。该数据集通过自动化爬取多平台（如Danbooru、Pixiv）图像，并经过三级裁剪与标签聚类处理，为角色一致性生成提供了高质量训练样本。当前前沿研究方向聚焦于利用此类高纯度角色数据集进行概念解耦学习，探索模型如何从有限样本中精准捕捉角色核心视觉特征（如发型、服饰细节），并应用于可控图像合成与风格迁移。随着AI绘画社区对特定角色泛化能力需求的激增，此类结构化数据集在评估模型过拟合风险、优化提示词对齐精度方面展现出重要价值，成为连接动漫艺术与生成式AI的桥梁。