CyberHarem/mihara_nikke

这是名为mihara/ミハラ/米哈拉/미하라 (Nikke: Goddess of Victory)的数据集，包含47张图片及其标签。数据集的核心标签包括`breasts, long_hair, bangs, purple_eyes, large_breasts, black_hair, purple_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。数据集提供了多个版本，包括原始数据、不同分辨率的图片以及经过裁剪的版本。此外，还提供了使用waifuc加载原始数据集的代码示例，并展示了标签聚类结果的列表。这是名为mihara/ミハラ/米哈拉/미하라 (Nikke: Goddess of Victory)的数据集，包含47张图片及其标签。数据集的核心标签包括`breasts, long_hair, bangs, purple_eyes, large_breasts, black_hair, purple_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。数据集提供了多个版本，包括原始数据、不同分辨率的图片以及经过裁剪的版本。此外，还提供了使用waifuc加载原始数据集的代码示例，并展示了标签聚类结果的列表。

原始信息汇总

数据集概述

基本信息

• 名称: mihara/ミハラ/米哈拉/미하라 (Nikke: Goddess of Victory)
• 包含内容: 47张图像及其标签
• 核心标签: breasts, long_hair, bangs, purple_eyes, large_breasts, black_hair, purple_hair
• 许可证: MIT
• 任务类别: text-to-image
• 标签: art, not-for-all-audiences
• 大小类别: n<1K

数据集包

名称	图像数量	大小	类型	描述
raw	47	80.11 MiB	Waifuc-Raw	包含元信息的原始数据（如果较大，则最小边缘对齐到1400）
800	47	39.82 MiB	IMG+TXT	短边不超过800像素的数据集
stage3-p480-800	119	87.30 MiB	IMG+TXT	三阶段裁剪数据集，区域不小于480x480像素
1200	47	68.53 MiB	IMG+TXT	短边不超过1200像素的数据集
stage3-p480-1200	119	131.62 MiB	IMG+TXT	三阶段裁剪数据集，区域不小于480x480像素

集群列表

#	样本数	图像示例	标签
0	12		1girl, looking_at_viewer, solo, cleavage, smile, bare_shoulders, black_gloves, black_thighhighs, blush, skirt, garter_straps, harness, o-ring, thighs, bondage_outfit, chain, collarbone, parted_lips, simple_background, white_background

搜集汇总

数据集介绍

构建方式

该数据集聚焦于游戏《胜利女神：妮姬》中的角色米哈拉（mihara），通过自动化爬取系统从Danbooru、Pixiv、Zerochan等多个图像平台收集原始图像，并由DeepGHS团队提供技术支持。数据集共包含47张图像及其对应的标签信息，核心标签如breasts、long_hair、bangs、purple_eyes、large_breasts、black_hair、purple_hair已在数据集中被修剪。为适应不同应用场景，数据集提供了raw、800、1200及stage3-p480-800、stage3-p480-1200等多种分辨率与裁剪版本，其中raw版本保留了元数据，而其他版本则将图像短边限制在指定像素内或采用三阶段裁剪策略确保区域不小于480x480像素。

特点

该数据集以角色米哈拉为核心，图像来源广泛，覆盖多个主流二次元图库，保证了视觉风格的多样性。数据集规模虽小（n<1K），但经过精心筛选与标注，标签体系完整，便于进行文本到图像的生成任务。此外，数据集提供了多个分辨率版本和裁剪版本，兼顾了训练效率与图像质量。通过标签聚类分析，可挖掘出不同服装组合（如bondage_outfit、harness等）的潜在模式，为角色定制化生成提供了丰富的语义线索。

使用方法

用户可通过Hugging Face Hub直接下载数据集压缩包，并利用waifuc库加载raw版本。具体步骤包括：使用hf_hub_download函数下载dataset-raw.zip文件，解压至本地目录后，通过LocalSource类读取图像及其元数据（如文件名、标签）。对于其他IMG+TXT格式的版本，可直接解压后用于训练或推理。数据集支持多分辨率选择，用户可根据模型需求选用800、1200或stage3裁剪版本。代码示例清晰展示了从下载到加载的完整流程，降低了使用门槛。

背景与挑战

背景概述

在生成式人工智能与数字艺术交叉融合的浪潮中，文本到图像生成技术（Text-to-Image）的迅猛发展催生了对高质量、细粒度角色数据集的迫切需求。由DeepGHS团队于近期创建的CyberHarem/mihara_nikke数据集，聚焦于热门游戏《Nikke: Goddess of Victory》中的角色米哈拉（Mihara），旨在为动漫风格角色生成模型提供标准化训练素材。该数据集包含47张精心筛选的图像及其标签，核心特征如紫色眼瞳、长刘海与紫色长发等被精准标注，为多模态生成任务中的角色一致性保持与风格迁移研究奠定了数据基础。其影响力体现在为二次元垂直领域的数据集构建提供了自动化爬取与标注的技术范式，推动了社区驱动的数据共享生态发展。

当前挑战

该数据集面临的首要挑战在于领域问题的复杂性：文本到图像生成任务要求模型在极少量样本（仅47张图像）下精准捕捉角色外貌与服饰的细微特征，克服动漫角色高度风格化带来的域间差异，避免生成结果出现特征混淆或过拟合。构建过程中的挑战则更为显著：数据来源多元（Danbooru、Pixiv等平台）导致图像分辨率、构图与画风参差不齐，需通过多尺度裁剪（如stage3-p480-800）与元信息对齐进行标准化处理；自动化标注系统虽能提取核心标签，但对复杂姿态、遮挡场景及艺术性修饰（如项圈、锁链等配饰）的语义覆盖仍存在盲区，需依赖人工校验与聚类分析（如装备聚类表）来提升标签完整性，从而保障数据集在角色驱动生成任务中的实用价值。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/mihara_nikke数据集常被用作角色概念学习与风格迁移的基准素材。研究者可借助该数据集对特定二次元角色（米哈拉）进行多视角、多姿态的图像采集与标签标注，从而训练扩散模型或生成对抗网络，实现高保真度的角色再现与个性化定制。该数据集提供的多尺度裁剪版本（如stage3-p480-800）尤其适用于细粒度图像生成任务，能有效提升模型对角色核心特征（如发型、瞳色、服饰细节）的捕捉能力。

解决学术问题

该数据集主要解决了二次元角色图像生成中数据稀缺与标注不一致的问题。通过系统化爬取与标签清洗，它构建了包含47张高质量图像及结构化标签的小样本数据集，为少样本学习、角色概念对齐与属性解耦研究提供了标准化评估平台。其意义在于推动了文本到图像模型在动漫角色定制化生成领域的学术探索，使研究者能够更严谨地量化分析模型对角色核心语义的泛化能力与忠实度。

衍生相关工作

该数据集衍生出多项相关工作，包括基于waifuc框架的角色图像自动采集与标签聚类流水线，以及针对二次元角色的三阶段裁剪（3-stage cropped）数据增强策略。此外，研究者利用该数据集的标签聚类结果（如服饰组合分析）开展角色风格迁移与部件级编辑研究，推动了可控生成技术在动漫领域的应用。这些工作共同构建了从数据采集、预处理到模型训练与评估的完整闭环，为后续大规模角色数据集的建设提供了方法论参考。