CyberHarem/nelson_kantaicollection

这是名为nelson/ネルソン (Kantai Collection)的数据集，包含275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团队提供。数据集的核心标签包括`blonde_hair, long_hair, blue_eyes, breasts, large_breasts, headgear`，这些标签在数据集中已被修剪。

This is the dataset titled nelson/ネルソン (Kantai Collection), consisting of 275 images along with their associated labels. The images were crawled from multiple online platforms including danbooru, pixiv, zerochan and other similar sites, and the crawling system was provided by the DeepGHS team. The core tags of this dataset are `blonde_hair, long_hair, blue_eyes, breasts, large_breasts, headgear`, and these tags have been pruned within the dataset.

原始信息汇总

数据集概述

数据集基本信息

• 名称: Dataset of nelson/ネルソン (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: 275张
• 核心标签: blonde_hair, long_hair, blue_eyes, breasts, large_breasts, headgear
• 来源: 从多个网站爬取，如danbooru, pixiv, zerochan等

数据集包列表

名称	图像数量	大小	类型	描述
raw	275	256.23 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	275	173.86 MiB	IMG+TXT	短边不超过800像素的图像数据集
stage3-p480-800	590	344.19 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素
1200	275	238.06 MiB	IMG+TXT	短边不超过1200像素的图像数据集
stage3-p480-1200	590	445.46 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	9		1girl, fake_animal_ears, playboy_bunny, rabbit_ears, solo, wrist_cuffs, black_pantyhose, alternate_costume, black_leotard, bowtie, detached_collar, cleavage, black_footwear, covered_navel, cowboy_shot, fishnet_pantyhose, full_body, high_heels, looking_at_viewer, simple_background, standing
1	9		1girl, cowboy_shot, long_sleeves, military_uniform, red_ascot, red_rose, solo, looking_at_viewer, pencil_skirt, white_background, simple_background, smile, one-hour_drawing_challenge, open_mouth, twitter_username
2	9		1girl, long_sleeves, military_uniform, red_ascot, red_rose, smile, solo, looking_at_viewer, simple_background, upper_body, white_background, skirt
3	6		1girl, cleavage, cropped_jacket, grey_jacket, midriff, navel, official_alternate_costume, race_queen, solo, black_hairband, choker, fingerless_gloves, looking_at_viewer, skirt, black_gloves, cowboy_shot, hand_on_hip, smile, blue_background, grey_gloves, long_sleeves
4	5		1girl, cleavage, cropped_jacket, midriff, official_alternate_costume, race_queen, simple_background, white_background, black_hairband, looking_at_viewer, navel, solo, bandeau, cowboy_shot, upper_body, black_skirt, choker, grey_jacket, smile
5	10		1girl, solo, cleavage, simple_background, white_background, looking_at_viewer, blush, twitter_username, collarbone, one-hour_drawing_challenge, side-tie_bikini_bottom, hair_between_eyes, navel, cowboy_shot, dated
6	8		1girl, navel, nipples, solo, completely_nude, armpits, arms_up, looking_at_viewer, blush, female_pubic_hair, collarbone, full_body, cowboy_shot, simple_background, standing, sweat
7	7		1girl, alternate_costume, black_hairband, long_sleeves, solo, turtleneck, cowboy_shot, looking_at_viewer, smile, white_coat, bag, blush, grey_coat, hair_between_eyes, pants, purple_sweater, red_sweater

表格版本

#	样本数量	图像示例	标签
0	9		1girl, fake_animal_ears, playboy_bunny, rabbit_ears, solo, wrist_cuffs, black_pantyhose, alternate_costume, black_leotard, bowtie, detached_collar, cleavage, black_footwear, covered_navel, cowboy_shot, fishnet_pantyhose, full_body, high_heels, looking_at_viewer, simple_background, standing
1	9		1girl, cowboy_shot, long_sleeves, military_uniform, red_ascot, red_rose, solo, looking_at_viewer, pencil_skirt, white_background, simple_background, smile, one-hour_drawing_challenge, open_mouth, twitter_username
2	9		1girl, long_sleeves, military_uniform, red_ascot, red_rose, smile, solo, looking_at_viewer, simple_background, upper_body, white_background, skirt
3	6		1girl, cleavage, cropped_jacket, grey_jacket, midriff, navel, official_alternate_costume, race_queen, solo, black_hairband, choker, fingerless_gloves, looking_at_viewer, skirt, black_gloves, cowboy_shot, hand_on_hip, smile, blue_background, grey_gloves, long_sleeves
4	5		1girl, cleavage, cropped_jacket, midriff, official_alternate_costume, race_queen, simple_background, white_background, black_hairband, looking_at_viewer, navel, solo, bandeau, cowboy_shot, upper_body, black_skirt, choker, grey_jacket, smile
5	10		1girl, solo, cleavage, simple_background, white_background, looking_at_viewer, blush, twitter_username, collarbone, one-hour_drawing_challenge, side-tie_bikini_bottom, hair_between_eyes, navel, cowboy_shot, dated
6	8		1girl, navel, nipples, solo, completely_nude, armpits, arms_up, looking_at_viewer, blush, female_pubic_hair, collarbone, full_body, cowboy_shot, simple_background, standing, sweat
7	7		1girl, alternate_costume, black_hairband, long_sleeves, solo, turtleneck, cowboy_shot, looking_at_viewer, smile, white_coat, bag, blush, grey_coat, hair_between_eyes, pants, purple_sweater, red_sweater

搜集汇总

数据集介绍

构建方式

该数据集聚焦于《舰队Collection》中的角色“纳尔逊”，共收录275张图像及其对应的标签。图像采集自Danbooru、Pixiv、Zerochan等多个平台，由DeepGHS团队开发的自动化爬取系统完成。数据集对核心标签（如金发、长发、蓝眼、胸部特征及头饰）进行了精简处理。构建过程中提供了多种预处理版本：原始数据包保留元信息且短边对齐至1400像素；其余版本分别将短边限制在800或1200像素以内，并包含三阶段裁剪方案，确保裁剪区域不小于480×480像素。此外，数据集还提供了基于标签聚类的分组结果，便于挖掘不同的服饰与装扮主题。

特点

该数据集的特点在于其多版本分层设计，满足了从原始高分辨率到标准化尺寸的多样化需求。原始数据包兼容waifuc工具，可直接加载带有标签的图像，便于后续处理。三阶段裁剪版本通过迭代裁剪策略，有效保留了图像中的关键区域，适用于目标检测或局部特征学习。聚类结果展示了角色在不同装扮下的视觉模式，如兔女郎装、军服、赛车皇后等，为风格迁移或条件生成任务提供了丰富的语义信息。数据集规模虽小（275张），但标签体系完整，核心特征明确，适合作为特定角色微调或概念学习的基准资源。

使用方法

数据集可通过Hugging Face Hub直接下载，支持多种格式的压缩包。原始数据包推荐使用waifuc库加载，用户需先通过huggingface_hub下载zip文件，解压后利用LocalSource接口遍历图像及其元数据。对于标准化的IMG+TXT版本，可直接解压后按常规图像-文本对方式使用，适用于扩散模型的训练。三阶段裁剪版本已内置预处理步骤，可直接输入模型。聚类结果以表格形式提供，用户可根据标签分组筛选特定风格的样本，用于风格条件生成或属性编辑任务。所有版本均兼容常见的深度学习框架，如PyTorch和TensorFlow。

背景与挑战

背景概述

在文本到图像生成技术蓬勃发展的当下，高质量、精细标注的动漫角色数据集成为推动模型性能提升的关键要素。CyberHarem/nelson_kantaicollection数据集由DeepGHS团队于近年创建，专注于收录《舰队Collection》中的角色“ネルソン”（纳尔逊），共包含275张图像及其对应的标签信息。该数据集的核心研究问题在于如何通过自动化爬取与多源整合（如Danbooru、Pixiv、Zerochan等平台），构建一个兼具视觉多样性与标签结构化的角色专属数据集，以支持基于扩散模型或生成对抗网络的二次元角色生成任务。其影响力体现在为动漫领域的小众角色数据集建设提供了一种可复现的技术路线，并借助Waifuc框架实现了数据加载与预处理的标准化，为后续研究者在角色一致性生成、风格迁移等方向奠定了数据基础。

当前挑战

该数据集所面临的挑战首先体现在领域问题的复杂性上：文本到图像生成任务要求模型在理解抽象语义标签（如“blonde_hair”、“military_uniform”）的同时，精准还原角色在不同着装与姿态下的视觉特征，而数据集仅包含275张样本，难以覆盖角色所有可能的装扮与场景，易导致模型出现过拟合或生成结果多样性不足。构建过程中的挑战则更为显著：由于图像来源分散且版权归属多样，自动化爬取系统需处理图像质量参差不齐、标签噪声高、部分图像尺寸过大等问题；此外，数据集的标签体系依赖于社区众包标注，存在标签粒度不一致（如“cleavage”与“nipples”的尺度差异）及主观性偏差，且角色核心标签（如“blonde_hair”）在部分图像中因光照或画风影响被错误裁剪，进一步增加了数据清洗与标签校准的难度。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/nelson_kantaicollection 数据集为二次元角色‘纳尔逊’（出自《舰队Collection》）的精细化生成提供了高质量的图文对资源。该数据集包含275张经过标签标注的图像，核心属性涵盖金发、长发、蓝瞳、丰满身材及头饰等典型特征，并通过多尺度裁剪（如800像素、1200像素及三阶段裁剪版本）适配不同分辨率需求的生成模型。研究者可借助该数据集训练或微调扩散模型（如Stable Diffusion），实现对特定动漫角色外貌、服饰及姿态的精准还原与可控生成。

实际应用

在实际应用中，该数据集可服务于二次元内容创作工具的研发，例如集成于AI绘画软件中，供用户快速生成指定角色的同人插画、表情包或游戏素材。通过整合waifuc等数据流水线，开发者能便捷地构建角色定制化管线，应用于虚拟主播形象设计、漫画辅助创作以及互动娱乐领域的角色生成场景。其多分辨率版本也便于部署于边缘设备或云服务，满足不同算力条件下的实时生成需求。

衍生相关工作

基于该数据集，衍生出了一系列围绕动漫角色定制化生成的研究工作。例如，结合LoRA微调技术，研究者可训练出专门针对纳尔逊角色的轻量级适配器，实现风格一致的高效生成；利用标签聚类结果，可开展角色服饰属性分离与组合生成的相关探索。此外，该数据集作为CyberHarem社区的一部分，常被用于评估不同文本到图像模型在特定角色上的生成质量，并催生了针对二次元数据集构建标准与标签体系优化的后续研究。