CyberHarem/shirayuki_chiyo_idolmastercinderellagirls

这是shirayuki_chiyo/白雪千夜 (THE iDOLM@STER: Cinderella Girls)的数据集，包含323张图片及其标签。该数据集的核心标签包括`black_hair, short_hair, bangs, purple_eyes, blunt_bangs`。图片来源于多个网站（如danbooru、pixiv、zerochan等），并通过自动爬取系统收集。数据集提供了多种格式的下载链接，并展示了标签聚类的结果。

This dataset contains 323 images of the character shirayuki_chiyo/白雪千夜 from THE iDOLM@STER: Cinderella Girls, along with their tags. The images are categorized into different sizes and types, including raw, 800, 1200, and stage3-p480-800, and stage3-p480-1200. The images are sourced from various sites and were crawled using an auto-crawling system developed by the DeepGHS Team. The dataset also includes a list of clusters with sample images and associated tags, which may help in mining outfits or other characteristics.

原始信息汇总

数据集概述

数据集基本信息

• 名称: 白雪千夜 (THE iDOLM@STER: Cinderella Girls)
• 包含内容: 323张图片及其标签
• 核心标签: black_hair, short_hair, bangs, purple_eyes, blunt_bangs
• 适用任务: 文本到图像生成
• 标签: 艺术, 非所有受众
• 大小分类: n<1K
• 许可证: MIT

数据集包列表

名称	图片数量	大小	类型	描述
raw	323	392.97 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	323	225.11 MiB	IMG+TXT	短边不超过800像素的图片数据集
stage3-p480-800	741	469.29 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素
1200	323	349.86 MiB	IMG+TXT	短边不超过1200像素的图片数据集
stage3-p480-1200	741	680.97 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	图片示例	标签
0	15		1girl, black_gloves, black_serafuku, black_skirt, long_sleeves, pleated_skirt, red_neckerchief, solo, looking_at_viewer, black_shirt, simple_background, white_sailor_collar, bob_cut, closed_mouth, white_background
1	11		1girl, looking_at_viewer, red_neckerchief, solo, upper_body, long_sleeves, simple_background, white_sailor_collar, black_gloves, black_shirt, closed_mouth, white_background, black_serafuku, blush, bob_cut
2	5		1girl, black_serafuku, black_shirt, bob_cut, looking_at_viewer, red_neckerchief, solo, upper_body, white_sailor_collar, parted_lips, shaded_face, disgust, simple_background, white_background
3	6		1girl, black_bikini, collarbone, solo, bare_shoulders, blush, looking_at_viewer, navel, small_breasts, white_background
4	5		1girl, black_dress, black_gloves, elbow_gloves, looking_at_viewer, solo, bare_shoulders, bracelet, frills, bob_cut, bowtie, flower, hair_ornament, parted_lips, ribbon, simple_background, sleeveless_dress, upper_body
5	9		looking_at_viewer, maid_headdress, 1girl, maid_apron, solo, black_gloves, bowtie, brooch, juliet_sleeves, black_dress, blush, grey_background, blue_bow, enmaided, simple_background, white_apron
6	5		ascot, black_gloves, feather_hair_ornament, holding_sword, looking_at_viewer, 1girl, belt, closed_mouth, long_sleeves, solo, white_background, blush, brooch, sheathed, simple_background, smile, black_thighhighs, blue_flower, blue_ribbon, bob_cut, cape, cowboy_shot, petals, scabbard, skirt, white_jacket
7	9		1boy, 1girl, blush, hetero, vaginal, breasts, penis, serafuku, sex, solo_focus, pussy, black_gloves, missionary, mosaic_censoring, nipples, on_back, open_mouth, pubic_hair, bar_censor, navel, pantyhose, spread_legs, torn_clothes

表格版本

| # | 样本数 | 图片示例 | 1girl | black_gloves | black_serafuku | black_skirt | long_sleeves | pleated_skirt | red_neckerchief | solo | looking_at_viewer | black_shirt | simple_background | white_sailor_collar | bob_cut | closed_mouth | white_background | upper_body | blush | parted_lips | shaded_face | disgust | black_bikini | collarbone | bare_shoulders | navel | small_breasts | black_dress | elbow_gloves | bracelet | frills | bowtie | flower | hair_ornament | ribbon | sleeveless_dress | maid_headdress | maid_apron | brooch | juliet_sleeves | grey_background | blue_bow | enmaided | white_apron | ascot | feather_hair_ornament | holding_sword | belt | sheathed | smile | black_thighhighs | blue_flower | blue_ribbon | cape | cowboy_shot | petals | scabbard | skirt | white_jacket | 1boy | hetero | vaginal | breasts | penis | serafuku | sex | solo_focus | pussy | missionary | mosaic_censoring | nipples | on_back | open_mouth | pubic_hair | bar_censor | pantyhose | spread_legs | torn_clothes | |---|--------|----------|-------|--------------|----------------|-------------|---------------|----------------|------------------|------|--------------------|--------------|--------------------|----------------------|---------|---------------|-------------------|-------------|-------|--------------|--------------|---------|--------------|-------------|-----------------|--------|----------------|--------------|---------------|-----------|---------|---------|---------|----------------|---------|-------------------|-----------------|-------------|---------|-----------------|------------------|-----------|-----------|--------------|--------|------------------------|----------------|-------|-----------|--------|-------------------|--------------|---------------|-------|--------------|---------|-----------|--------|---------------|------|--------|---------|----------|--------|-----------|------|-------------|--------|-------------|-------------------|----------|-----------|-------------|-------------|--------------|-------------|---------------| | 0 | 15 | | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | 1 | 11 | | X | X | X | | X | | X | X | X | X | X | X | X | X | X | X | X | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | 2 | 5 | | X | | X | | | | X | X | X | X | X | X | X | | X | X | | X | X | X | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | 3 | 6 | | X | | | | | | | X | X | | | | | | X | | X | | | | X | X | X | X | X | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | 4 | 5 | | X | X | | | | | | X | X | | X | | X | | | X | | X | | | | | X | | | X | X | X | X | X | X | X | X | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | 5 | 9 | | X | X | | | | | | X | X | | X | | | | | | X | | | | | | | | | X | | | | X | | | | | X | X | X | X | X | X | X | X | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | 6 | 5 | | X | X | | | X | | | X | X | | X | | X | X | X | | X | | | | | | | | | | | | | | | | | | | | X | | | | | | X | X | X | X | X | | | X | X | X | | | | | | | | | | | | | | | | | | | | | | | | | 7 | 9 | | X | X | | | | | | X | X | | X | | | | | | X | | | | | | | | | X | | | | X | | | | | X | X | X | X | X | X | X | X | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

搜集汇总

数据集介绍

构建方式

该数据集聚焦于《偶像大师：灰姑娘女孩》中的角色白雪千夜，共收录323张图像及其对应标签。数据采集源自Danbooru、Pixiv、Zerochan等多个图像平台，依托DeepGHS团队开发的自动化爬取系统完成。构建过程中，对角色核心标签（如黑发、短发、刘海、紫瞳、齐刘海）进行了修剪处理。数据集提供多种预处理版本，包括原始元数据包、短边不超过800或1200像素的标准化版本，以及基于三阶段裁剪策略、面积不低于480x480像素的高质量裁剪包，以满足不同训练需求。

特点

数据集的核心特色在于其多维度、精细化的组织方式。所有图像均附带丰富的描述性标签，并基于标签聚类结果进行了分组展示，例如水手服、泳装、女仆装、剑道服等不同装扮的聚类，便于研究者挖掘角色在不同场景下的视觉特征。此外，数据集提供了多个分辨率与裁剪版本的压缩包，用户可根据模型训练的计算资源与精度要求灵活选择。原始数据包还兼容Waifuc框架，支持通过Python代码直接加载图像与元数据。

使用方法

数据集的使用方式灵活多样。用户可直接下载不同版本的ZIP压缩包解压使用，其中IMG+TXT格式的包内包含图像与对应的文本标签文件。对于希望深度定制的用户，可通过Hugging Face Hub下载原始ZIP包，利用Waifuc的LocalSource接口加载图像及其文件名、标签等元信息，便于进行自定义预处理或训练流程。此外，数据集的标签聚类结果以表格形式呈现，为少样本学习或风格迁移等任务提供了先验知识参考。

背景与挑战

背景概述

在生成式人工智能与二次元文化深度交融的当下，针对特定虚拟角色的高质量图文数据集成为推动文本到图像生成模型发展的关键基石。该数据集由DeepGHS团队于近年创建，聚焦于游戏《偶像大师：灰姑娘女孩》中的人气角色白雪千夜，通过从Danbooru、Pixiv等平台自动化采集并精细标注，构建了包含323幅图像及其对应标签的标准化资源。其核心研究问题在于如何为二次元角色提供兼具视觉一致性与多样性的训练素材，以支撑角色定制化生成模型的优化。该数据集不仅为角色驱动的图像生成研究提供了可复用的基准，更通过多分辨率裁剪与标签聚类等预处理手段，显著提升了模型对角色特征（如黑发、紫瞳、水手服）的辨识能力，对二次元垂直领域的AI应用产生了示范效应。

当前挑战

当前该数据集面临多重挑战。首先，在领域问题层面，其核心任务是解决文本到图像生成中角色身份保持的难题，即如何从有限图像中提取鲁棒的角色特征，避免生成图像出现外观漂移或属性混淆。其次，构建过程中遭遇显著困难：数据来源的多样性导致图像风格、构图与质量参差不齐，需通过自动裁剪与标签筛选进行标准化；同时，部分图像存在标签噪声或缺失，尤其是涉及成人内容（如聚类7所示）时，需谨慎处理敏感标签以确保数据合规性。此外，数据集规模仅323幅原始图像，难以覆盖角色全部姿态与场景，这限制了生成模型的泛化能力，并加剧了过拟合风险。

常用场景

经典使用场景

在动漫角色生成与二次元图像合成的研究领域中，CyberHarem/shirayuki_chiyo_idolmastercinderellagirls 数据集为文本到图像生成模型提供了高质量的特定角色训练素材。该数据集包含323张白雪千夜的高清图像及详尽标签，覆盖了角色在不同服饰、姿态和场景下的视觉表现，常被用于微调扩散模型或生成对抗网络，以提升模型对角色特征（如黑发、紫瞳、短发）的精准捕捉与风格化再现能力。

解决学术问题

该数据集有效解决了动漫角色个性化生成中数据稀缺与多样性不足的学术难题。通过提供多尺度裁剪版本（如800像素和1200像素）及原始元数据，研究者能够系统探究图像分辨率、标注粒度对生成质量的影响。此外，标签聚类结果揭示了角色在不同情境下的视觉模式，为解耦角色身份与外观属性、实现可控生成提供了实证基础，推动了少样本角色定制与跨场景迁移学习的发展。

衍生相关工作

该数据集衍生了一系列经典工作，包括基于标签聚类分析的角色服装迁移研究，以及利用三阶段裁剪策略（stage3-p480-800）优化图像构图的方法。此外，DeepGHS团队开发的自动爬取与标注系统为后续动漫数据集构建提供了技术范式，促进了如Danbooru等社区数据的标准化处理。在模型层面，该数据集常被用于评估LoRA（低秩适应）微调技术在角色一致性保持上的表现，成为二次元生成领域基准测试的重要组件。