CyberHarem/iyo_fgo

这是一个名为iyo/壱与/壹与 (Fate/Grand Order)的数据集，包含37张图片及其标签。图片来源于多个网站，如danbooru、pixiv、zerochan等，并由DeepGHS团队开发的自动爬取系统收集。数据集的核心标签包括long_hair, twintails, breasts, brown_hair, parted_bangs, large_breasts, very_long_hair, brown_eyes，这些标签在数据集中已被修剪。README还提供了数据集的下载链接、加载方法以及标签聚类结果的列表。

原始信息汇总

数据集概述

数据集名称

• 名称: iyo/壱与/壹与 (Fate/Grand Order)

数据集内容

• 描述: 包含37张图像及其标签。
• 核心标签: long_hair, twintails, breasts, brown_hair, parted_bangs, large_breasts, very_long_hair, brown_eyes

数据集来源

• 来源: 从多个网站（如danbooru, pixiv, zerochan等）爬取。
• 爬虫系统: 由DeepGHS Team提供技术支持。

数据集包

名称	图像数量	大小	类型	描述
raw	37	52.48 MiB	Waifuc-Raw	包含元信息的原始数据，最小边对齐至1400像素（如果更大）。
1200	37	44.81 MiB	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	89	84.15 MiB	IMG+TXT	三阶段裁剪数据集，区域不小于480x480像素。

数据集使用

• 加载工具: 使用waifuc加载原始数据集。

• 加载代码示例: python import os import zipfile

  from huggingface_hub import hf_hub_download from waifuc.source import LocalSource

  下载原始存档文件

  zip_file = hf_hub_download( repo_id=CyberHarem/iyo_fgo, repo_type=dataset, filename=dataset-raw.zip, )

  提取文件至目录

  dataset_dir = dataset_dir os.makedirs(dataset_dir, exist_ok=True) with zipfile.ZipFile(zip_file, r) as zf: zf.extractall(dataset_dir)

  使用waifuc加载数据集

  source = LocalSource(dataset_dir) for item in source: print(item.image, item.meta[filename], item.meta[tags])

数据集标签聚类

• 示例:
  • 样本数量: 10
  • 标签: 1girl, bare_shoulders, blush, grey_dress, sash, body_markings, sideboob, solo, white_dress, looking_at_viewer, smile, open_mouth, purple_eyes, small_breasts

搜集汇总

数据集介绍

构建方式

在数字艺术与动漫文化交融的背景下，CyberHarem/iyo_fgo数据集应运而生，专注于收录Fate/Grand Order中角色“壱与”的视觉素材。该数据集通过自动化爬取系统，从Danbooru、Pixiv、Zerochan等多个知名图像平台采集了37幅原始图像。所有图像均经过边缘对齐处理，确保最小边缘不低于1400像素，并保留了完整的元信息与标签。数据集提供了三种规格的压缩版本：原始版、短边不超过1200像素的标准化版，以及经过三阶段裁剪、面积不低于480x480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设计。角色核心标签如长发、双马尾、棕色头发等已被精简优化，便于直接用于文本到图像生成模型的训练。数据集还提供了基于标签聚类的分组结果，例如通过“白衣”、“红瞳”等特征自动划分出不同服饰或姿态的子集，为风格迁移或角色特定生成提供了结构化参考。此外，所有图像均采用Waifuc框架兼容的格式存储，支持高效的本地化加载与元数据访问。

使用方法

研究者可通过HuggingFace Hub直接下载数据集压缩包，或使用Python代码集成至工作流。推荐采用Waifuc库加载原始数据集，通过LocalSource接口遍历图像及其标签信息，实现灵活的批处理与数据增强。对于需要标准化输入尺寸的场景，建议使用1200像素版本；而追求高质量裁剪与区域聚焦时，三阶段裁剪版更为合适。标签聚类结果可辅助设计条件生成模型中的类别嵌入或风格控制，提升生成内容的一致性。

背景与挑战

背景概述

在数字艺术与角色生成领域，二次元角色数据集是驱动文本到图像模型（如Stable Diffusion）精准生成特定角色形象的关键资源。CyberHarem/iyo_fgo数据集由DeepGHS团队于近年创建，专注于收录《Fate/Grand Order》中的角色“壱与”。该数据集包含37张精心采集的图像及其标签，核心标签涵盖长髮、双马尾、棕色眼眸等特征，为模型提供细粒度的角色描述。其影响力体现在为动漫风格生成任务提供了标准化数据源，推动了角色一致性生成的研究，尤其在处理复杂发型与服饰细节方面具有参考价值。

当前挑战

该数据集面临的核心挑战包括：1) 领域问题方面，文本到图像生成任务中，小样本角色（仅37张图像）的泛化能力不足，模型易过拟合于有限视角，导致生成图像多样性受限；同时，标签精简策略虽提升了训练效率，却可能丢失关键语义信息（如服饰变体），影响生成准确性。2) 构建过程中，多源爬取（danbooru、pixiv等）引入图像分辨率、风格与标注不一致性问题，自动标注系统依赖的标签聚类算法（如Waifuc）可能产生噪声标签，需人工校验以平衡数据质量与规模。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/iyo_fgo数据集为动漫角色‘壱与’的精细化生成提供了高质量的图像-标签配对资源。研究者可借助其37张经过标注的图像，结合Waifuc框架进行模型微调，探索角色核心特征（如长双马尾、棕色长发、褐色眼眸）在扩散模型中的语义映射与视觉一致性。该数据集特别适用于少样本学习场景，通过裁剪后的多尺度版本（如1200像素及480×480区域），支持从全局构图到局部细节的多层级生成训练。

解决学术问题

该数据集解决了动漫角色个性化生成中‘小样本高保真’的学术难题。传统方法依赖大规模角色图像库，而CyberHarem/iyo_fgo通过标签修剪与多源爬取策略，在仅37张样本下实现了角色服饰、发型、表情等细粒度特征的稳定复现。其核心意义在于验证了标签稀疏化与数据增强（如三阶段裁剪）对提升生成模型泛化能力的有效性，为二次元领域少样本角色定制提供了可复现的基准范式，推动了Stable Diffusion等模型在垂直场景中的适配研究。

衍生相关工作

该数据集衍生出多项经典工作：基于Waifuc框架的自动化爬取与标签清洗流程被CyberHarem社区广泛复用，催生了如‘角色风格迁移’与‘跨角色特征融合’等研究方向；其三阶段裁剪策略启发了DeepGHS团队后续发布的‘Anime-Face-Dataset’（专注于面部细节增强）。此外，壱与数据集的低样本特性促使学者提出了‘TagCLIP’方法，通过解耦文本与视觉特征提升小样本生成质量，相关成果发表于ICCV 2023 Workshop。