deepghs/character_similarity

这是一个用于训练模型以判断两张动漫图像（仅包含一个人物）是否描绘了同一个角色的数据集。数据集包含多个版本，每个版本有不同的字符数量和图像数量，且来源和特点各异。例如，v0版本从zerochan.net爬取，包含Arknights、Fate/Grand Order、Genshin Impact、Girls Frontline和Azur Lane等游戏的图像，以及超过1500个其他游戏或动漫角色的图像。v0_tiny和v0_xtiny是v0的简化版本，分别随机选择了1/4的动漫角色和1/4的图像，以及仅保留了100个角色。v1版本与v0类似，但包含更丰富的角色和更多样化的图像。v1_pruned是从v1中删除了单色和非单人图片，以及角色占整个视觉区域少于40%的图片。v2版本则仅包含所有角色的面部图像，图像尺寸大于v1和v0版本，但可能包含多级嵌套的图像路径。

原始信息汇总

数据集概述

数据集名称

• character_similarity

数据集用途

• 用于训练模型以判断两张包含单个人的动漫图片是否描绘同一角色。

数据集版本及详细信息

版本 v0

• 文件名: images_v0.tar.xz
• 角色数量: 2059
• 图片数量: 162116
• 来源: 从 zerochan.net 爬取，包含 Arknights, Fate/Grand Order, Genshin Impact, Girls Frontline, Azur Lane 等游戏或动漫角色，以及其他超过1500个角色的小预览缩略图。

版本 v0_tiny

• 文件名: images_tiny_v0.tar.xz
• 角色数量: 514
• 图片数量: 10036
• 描述: 从 v0 数据集中随机选取了1/4的角色和每个角色的1/4图片，推荐用于模型训练和验证。

版本 v0_xtiny

• 文件名: images_xtiny_v0.tar.xz
• 角色数量: 100
• 图片数量: 1814
• 描述: v0_xtiny 是 v0_tiny 的进一步简化版本，仅保留100个角色，适合用于模型验证和实验，不推荐用于正式训练。

版本 v1

• 文件名: images_v1.tar.xz
• 角色数量: 4001
• 图片数量: 292800
• 描述: 类似于 v0，但包含更丰富的角色选择和更多样化的同一角色图片，每个角色包含不少于3张且不超过200张图片。

版本 v1_pruned

• 文件名: images_pruned_v1.tar.xz
• 角色数量: 3982
• 图片数量: 241483
• 描述: 从 v1 数据集中修剪而来，删除了黑白和非单人图片，以及角色占比小于40%的图片。

版本 v2

• 文件名: images_v2.tar.gz
• 角色数量: 37886
• 图片数量: 836217
• 描述: 从 zerochan.net 爬取，仅包含角色面部，图片尺寸大于 v1 和 v0 数据集。请注意，v2 数据集可能包含多级嵌套的图片路径，如 a/b/c/xx.jpg 和 a/b/yy.jpg。在这种情况下，xx.jpg 和 yy.jpg 不应被视为同一角色。只有当两个角色位于完全相同的文件路径时，才被视为同一角色。

数据集属性

• 许可证: MIT
• 任务类别: zero-shot-classification
• 标签: art
• 大小类别: 100K<n<1M