CyberHarem/natane_pokemon

这是一个名为natane (Pokémon)的数据集，包含441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团队提供支持。数据集的核心标签包括`short_hair, orange_hair, breasts, multicolored_hair, two-tone_hair, black_hair, bangs, brown_eyes, orange_eyes, blunt_bangs`。数据集提供了多个版本的下载链接，包括原始数据、不同尺寸的图像数据以及经过裁剪的图像数据。此外，README还提供了如何使用waifuc加载原始数据集的代码示例，并列出了标签聚类结果。

This is a dataset named natane (Pokémon), which contains 441 images and their associated labels. The images were crawled from multiple websites such as Danbooru, Pixiv, Zerochan and others, with the crawling system powered by the DeepGHS Team. The core tags of this dataset include `short_hair, orange_hair, breasts, multicolored_hair, two-tone_hair, black_hair, bangs, brown_eyes, orange_eyes, blunt_bangs`. Multiple versions of download links are provided, including the raw dataset, image data with different resolutions, and cropped image data. In addition, the README provides code examples for loading the raw dataset using waifuc, and lists the tag clustering results.

原始信息汇总

数据集概述

数据集基本信息

• 名称: Dataset of natane (Pokémon)
• 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: 441张
• 核心标签: short_hair, orange_hair, breasts, multicolored_hair, two-tone_hair, black_hair, bangs, brown_eyes, orange_eyes, blunt_bangs

数据包列表

名称	图像数量	大小	下载链接	类型	描述
raw	441	371.51 MiB	Download	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	441	240.64 MiB	Download	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	913	464.08 MiB	Download	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。
1200	441	336.83 MiB	Download	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	913	608.21 MiB	Download	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

#	Samples	Img-1	Img-2	Img-3	Img-4	Img-5	Tags
0	13						1girl, black_belt, crop_top, looking_at_viewer, midriff, navel, smile, black_shirt, solo, green_capelet, long_sleeves, sidelocks, standing, closed_mouth, poncho, cowboy_shot, white_background, blush, groin, simple_background, brown_shorts
1	14						1girl, black_belt, crop_top, looking_at_viewer, midriff, navel, long_sleeves, black_shirt, holding_poke_ball, poke_ball_(basic), poncho, :d, cowboy_shot, open_mouth, pokemon_(creature), sidelocks, solo, capelet, hand_on_hip, brown_shorts, groin, tongue
2	7						1girl, crop_top, green_capelet, midriff, navel, poke_ball_(basic), holding_poke_ball, solo, belt, shorts, brown_hair, boots, green_footwear, simple_background, smile
3	5						1girl, black_belt, black_shirt, crop_top, long_sleeves, midriff, navel, poncho, shorts, solo, blush, capelet, eyelashes, looking_at_viewer, open_mouth, tongue, :d, cropped_shirt, hand_up, upper_teeth_only
4	11						1girl, crop_top, green_capelet, midriff, pokemon_(creature), shorts, smile, belt, boots, navel, open_mouth, green_footwear, brown_hair, poncho
5	6						1girl, black_belt, boots, crop_top, full_body, green_footwear, midriff, navel, pokemon_(creature), poncho, :d, open_mouth, simple_background, standing, white_background, green_capelet, black_shirt, orange_shorts, tongue, torn_clothes
6	5						blush, large_breasts, navel, nipples, 1girl, collarbone, headband, shiny_skin, solo, looking_at_viewer, simple_background, smile, closed_mouth, completely_nude, open_mouth, pussy, white_background
7	5						1girl, :d, blush, looking_at_viewer, navel, open_mouth, tongue, collarbone, female_pubic_hair, large_breasts, areola_slip, barefoot, black_one-piece_swimsuit, eyelashes, full_body, knees, pubic_hair_peek, shiny_skin, slingshot_swimsuit, 2boys, blank_censor, covered_nipples, double_w, group_sex, hand_up, hands_up, hetero, kneeling, multiple_penises, solo_focus, testicles, upper_teeth_only
8	7						1boy, 1girl, blush, hetero, nipples, open_mouth, solo_focus, penis, :d, green_capelet, heart-shaped_pupils, large_breasts, sweat, brown_hair, medium_breasts, mosaic_censoring, navel, paizuri, teeth
9	14						1girl, hetero, penis, solo_focus, blush, 1boy, cum, nipples, large_breasts, brown_hair, uncensored, bottomless, mosaic_censoring, pussy, vaginal
10	7						1boy, 1girl, hetero, sex, blush, penis, solo_focus, anus, ass, open_mouth, testicles, vaginal, medium_breasts, nipples, nude, tongue, uncensored, capelet, pussy_juice

搜集汇总

数据集介绍

构建方式

在宝可梦这一经典动漫IP的衍生创作中，角色娜塔尼的形象深受爱好者青睐。该数据集由CyberHarem团队构建，依托DeepGHS团队开发的自动化爬取系统，从Danbooru、Pixiv、Zerochan等多个知名图像站点采集了441张娜塔尼的高质量图像。每张图像均配有详细的标签元数据，涵盖了角色核心特征如短橙发、双色发、棕眼等。数据集提供了多种预处理版本，包括原始未裁剪版、短边限制为800或1200像素的缩放版，以及经过三阶段裁剪确保最小区域不低于480×480像素的增强版，以满足不同训练需求。

特点

该数据集的核心特色在于其精细的标签体系与多版本适配能力。标签不仅包含角色基础外观描述，还通过聚类分析揭示了不同服饰搭配与场景组合，如运动装、披风、精灵球手持等变体，甚至涵盖了稀有姿势与互动场景。数据集中还包含了部分成人向内容，并在标签中明确标注，体现了数据集的全面性与透明度。此外，每个版本均以压缩包形式提供，并附有详细的图像尺寸与类型说明，便于用户根据模型训练目标灵活选择。

使用方法

使用者可通过Hugging Face Hub的API直接下载所需版本的压缩包。对于希望利用原始元数据的用户，推荐使用Waifuc框架加载原始数据集，通过Python代码轻松实现图像与标签的迭代访问。具体操作包括使用huggingface_hub库下载dataset-raw.zip文件，解压后通过LocalSource类加载，即可逐项获取图像、文件名及标签信息。此外，各预处理版本均以IMG+TXT格式组织，可直接用于常见的文本到图像生成模型的训练流程，无需额外转换步骤。

背景与挑战

背景概述

在文本到图像生成领域，高质量、精细标注的角色数据集对于训练可控生成模型至关重要。CyberHarem/natane_pokemon数据集由DeepGHS团队于近期创建，聚焦于宝可梦系列中的角色“纳塔奈”（Natane），包含441张图像及其详细标签。核心研究问题在于如何从多源网站（如Danbooru、Pixiv、Zerochan）自动爬取并构建一个兼具多样性与结构化的角色图像库，以支持动漫风格的角色生成任务。该数据集通过提供多种分辨率版本（如800px、1200px）及三阶段裁剪版本，显著提升了图像预处理的可复用性，对推动面向特定角色的小样本生成研究具有重要参考价值。

当前挑战

该数据集所面临的挑战主要体现在两方面。其一，在领域问题层面，文本到图像生成模型需要应对角色外观的细微差异与复杂标签语义的对应关系，例如数据集包含从日常服饰到暴露内容的多样化图像，标签需精确区分“crop_top”、“midriff”、“navel”等细节，这对模型的细粒度理解提出高要求。其二，在构建过程中，自动爬取系统需克服多源数据格式不统一、图像分辨率差异大以及内容审核（如成人内容标记）等难题，同时通过聚类分析挖掘潜在服饰组合（如“green_capelet”与“poncho”的关联），但聚类结果的噪音与标签冗余增加了数据清洗的复杂度。

常用场景

经典使用场景

在计算机视觉与生成式模型的研究领域，CyberHarem/natane_pokemon 数据集专为文本到图像（text-to-image）生成任务而设计。该数据集收录了宝可梦系列中角色“纳塔奈”的441张图像及其对应的标签信息，涵盖了多种服饰、姿态与场景变体。研究者常利用该数据集对扩散模型（如Stable Diffusion）或生成对抗网络进行微调训练，以提升模型在特定动漫角色生成上的忠实度与细节表现力。通过提供多分辨率版本（如800px、1200px）及三级裁剪后的图像，该数据集支持从粗粒度到细粒度的渐进式生成训练，成为动漫风格图像生成领域的一项基础性资源。

实际应用

在实际应用层面，CyberHarem/natane_pokemon 数据集为数字娱乐产业中的角色创作与内容生产提供了直接支持。游戏开发者和动画制作团队可利用该数据集训练定制化的图像生成模型，快速生成角色概念图、表情包或宣传素材，从而缩短创意设计周期。在虚拟主播与粉丝创作社区中，该数据集赋能个人创作者基于同一角色生成多样化的同人作品，实现从文本描述到视觉呈现的高效转化。此外，该数据集还可用于构建智能角色设计辅助工具，帮助非专业用户通过简单标签组合生成符合预期的动漫形象，推动生成式AI在泛娱乐领域的普惠化应用。

衍生相关工作

围绕CyberHarem/natane_pokemon 数据集，学术界与工业界衍生出一系列经典工作。在模型微调方面，研究者基于该数据集开发了多种低秩适应（LoRA）方法，用于在不改变预训练模型主体结构的前提下实现角色定制化生成。在数据增强领域，该数据集的三级裁剪策略启发了多尺度训练范式，被后续研究借鉴以提升生成图像的构图稳定性。此外，该数据集的标签聚类分析技术促进了无监督角色属性解耦的研究，相关方法被应用于更广泛的动漫角色数据集。这些衍生工作不仅验证了该数据集的实用价值，也推动了文本到图像生成领域从通用模型向专业化、角色驱动方向的纵深发展。