CyberHarem/fusou_kantaicollection

这是一个名为fusou/扶桑/扶桑 (Kantai Collection)的数据集，包含500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团队开发。数据集的核心标签包括black_hair, hair_ornament, red_eyes, long_hair, breasts, large_breasts，这些标签在数据集中被修剪。This is a dataset titled fusou/扶桑/扶桑 (Kantai Collection), which contains 500 images and their corresponding labels. The images were crawled from multiple websites such as danbooru, pixiv, zerochan and other platforms, and the crawling system was developed by the DeepGHS team. The core tags of the dataset include black_hair, hair_ornament, red_eyes, long_hair, breasts, and large_breasts, and these tags have been pruned in this dataset.

原始信息汇总

数据集概述

数据集信息

• 名称: Dataset of fusou/扶桑/扶桑 (Kantai Collection)
• 描述: 包含500张图片及其标签的数据集，主要标签包括black_hair, hair_ornament, red_eyes, long_hair, breasts, large_breasts。
• 许可: MIT
• 任务类别: text-to-image
• 标签: art, not-for-all-audiences
• 大小类别: n<1K

数据集包列表

名称	图片数量	大小	类型	描述
raw	500	587.84 MiB	Waifuc-Raw	包含元信息的原始数据（最小边对齐到1400像素，如果更大）。
800	500	380.06 MiB	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	1155	765.47 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。
1200	500	538.98 MiB	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	1155	1008.09 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, bare_shoulders, detached_sleeves, japanese_clothes, looking_at_viewer, nontraditional_miko, skirt, solo, smile
1	6		1girl, detached_sleeves, japanese_clothes, looking_at_viewer, nontraditional_miko, red_skirt, simple_background, solo, white_background, cowboy_shot, headgear
2	5		1girl, alternate_costume, floral_print, looking_at_viewer, obi, smile, solo, hair_flower, wide_sleeves, blush, red_kimono, long_sleeves, open_mouth
3	10		1boy, 1girl, blush, hetero, nipples, solo_focus, sex, vaginal, censored, navel, penis, cum_in_pussy, looking_at_viewer, pov, spread_legs, sweat, breasts_out, nude, on_back, one-piece_swimsuit, open_mouth, swimsuit_aside
4	7		1girl, solo, blush, looking_at_viewer, smile, cleavage, day, navel, beach, side-tie_bikini_bottom, cloud, outdoors, white_bikini
5	9		white_one-piece_swimsuit, 1girl, casual_one-piece_swimsuit, looking_at_viewer, solo, cowboy_shot, blue_sky, cleavage, covered_navel, hair_flower, low-tied_long_hair, collarbone, day, frills, smile
6	6		alternate_costume, looking_at_viewer, white_gloves, 1girl, bare_shoulders, blush, cleavage, elbow_gloves, smile, solo, wedding_dress, white_dress, collarbone, necklace, flower, strapless_dress, wedding_ring

表格版本

#	样本数	图片示例	1girl	bare_shoulders	detached_sleeves	japanese_clothes	looking_at_viewer	nontraditional_miko	skirt	solo	smile	red_skirt	simple_background	white_background	cowboy_shot	headgear	alternate_costume	floral_print	obi	hair_flower	wide_sleeves	blush	red_kimono	long_sleeves	open_mouth	1boy	hetero	nipples	solo_focus	sex	vaginal	censored	navel	penis	cum_in_pussy	pov	spread_legs	sweat	breasts_out	nude	on_back	one-piece_swimsuit	swimsuit_aside	cleavage	day	beach	side-tie_bikini_bottom	cloud	outdoors	white_bikini	white_one-piece_swimsuit	casual_one-piece_swimsuit	blue_sky	covered_navel	low-tied_long_hair	collarbone	frills	white_gloves	elbow_gloves	wedding_dress	white_dress	necklace	flower	strapless_dress	wedding_ring
0	15		X	X	X	X	X	X	X	X	X
1	6		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
3	10		X				X															X			X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
4	7		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
6	6		X	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

在动漫与游戏角色数据集的构建中，CyberHarem/fusou_kantaicollection 聚焦于《舰队Collection》中的角色“扶桑”。该数据集汇集了来自Danbooru、Pixiv、Zerochan等多个平台的500张图像及其对应标签，依托DeepGHS团队开发的自动化爬取系统完成数据采集。原始图像经过预处理，核心标签如黑发、发饰、红眼、长发等已被精简，以突出角色特征。数据集提供多种版本：原始包保留元信息并最小边对齐至1400像素；800与1200版本限制短边不超过相应像素；此外还有三级裁剪版本，确保图像区域不小于480×480像素，便于不同训练需求。

使用方法

数据集的使用方式灵活多样。用户可直接下载压缩包解压后用于图像生成模型的训练。对于原始数据，推荐通过Waifuc框架加载，该框架支持迭代访问图像、文件名及标签元信息，便于自定义预处理流程。具体实现中，可利用Hugging Face Hub的hf_hub_download函数获取原始ZIP文件，解压后通过LocalSource实例化数据源，进而逐项处理图像与标签。此外，聚类结果可直接用于分析角色在不同语境下的表现，辅助数据增强或风格迁移任务。

背景与挑战

背景概述

该数据集由DeepGHS团队于近期创建，聚焦于《舰队Collection》中角色“扶桑”的视觉呈现，旨在为文本到图像生成任务提供高质量的动漫风格训练素材。研究团队从Danbooru、Pixiv、Zerochan等多个知名插画平台系统爬取并筛选了500张图像，每张均附带精细化标签描述。其核心研究问题在于探索如何通过结构化的标注数据（如发色、瞳色、服饰等特征）提升生成模型对特定动漫角色的还原度与多样性。该数据集以MIT开源协议发布，为二次元图像生成领域提供了标准化基准，尤其适用于角色一致性生成与风格迁移等子任务的研究。

当前挑战

当前数据集面临多重挑战。在领域问题层面，动漫角色图像生成需解决高度风格化与细节保真度的矛盾，例如扶桑的黑色长发、红色眼眸等核心特征在生成时易出现模糊或失真，且跨平台爬取的图像在画风、分辨率与光照条件上差异显著，增加了模型泛化难度。在构建过程中，自动化爬取系统需应对版权合规与图像质量筛选的平衡，同时标签体系需兼顾通用性（如“1girl”）与角色特异性（如“nontraditional_miko”），而仅有500张样本的规模限制了模型对复杂姿态与场景的学习能力，易引发过拟合风险。

常用场景

经典使用场景

在动漫风格图像生成与多模态学习领域，CyberHarem/fusou_kantaicollection数据集为研究者提供了围绕《舰队Collection》中“扶桑”角色的高质量图像集合。其经典使用场景聚焦于基于文本描述的图像生成任务，尤其是针对特定角色（如扶桑）的精细控制生成。借助该数据集包含的500张经过标注的图像及其元标签（如黑发、红瞳、长发等核心特征），研究人员能够训练和评估文本到图像（text-to-image）模型在保持角色一致性与细节丰富性方面的能力。此外，该数据集提供的多分辨率版本（如800px与1200px）以及三级裁剪版本（stage3-p480-800与stage3-p480-1200），便于研究者探索不同图像尺度对生成质量的影响，从而优化模型在动漫角色生成中的表现。

解决学术问题

该数据集有效解决了动漫角色图像生成中的两大核心学术问题：角色身份保持与细粒度属性控制。在以往的研究中，生成模型往往难以在多样化的场景与姿态下稳定输出具有特定角色特征的图像，例如扶桑的独特发型与服饰细节。通过提供标注精细且经过聚类分析（如传统服饰、泳装、婚纱等子类别）的图像集合，该数据集为身份保持生成（identity-preserving generation）领域提供了标准化基准。它支持研究者探究如何从少量样本中提取角色核心视觉概念，并应用于条件生成模型（如Stable Diffusion或GANs）的微调，从而推动少样本学习、概念迁移与个性化图像合成等方向的发展。其意义在于弥合了通用图像生成与特定IP角色生成之间的鸿沟，为动漫文化数字化研究提供了可复现的实验基础。

实际应用

在实际应用层面，该数据集为游戏开发、虚拟偶像运营及二次元内容创作产业提供了高效的技术支撑。例如，游戏开发商可利用该数据集微调生成模型，自动化产出“扶桑”角色在不同皮肤、节日主题或剧情场景中的立绘与插画，大幅降低美术资源迭代的人力成本。在虚拟主播与粉丝互动场景中，基于该数据集的模型能够根据用户输入的文本描述（如“扶桑穿着白色比基尼在海滩微笑”）实时生成符合角色设定的图像，增强个性化体验。此外，该数据集还支持电子商务中动漫周边产品的快速原型设计，如通过生成模型预览角色在不同服装或动作下的效果，从而加速IP衍生品的开发流程。

数据集最近研究

最新研究方向

在二次元角色数据集构建与多模态生成领域，CyberHarem/fusou_kantaicollection聚焦于《舰队Collection》中扶桑角色的精细化图像-标签配对资源开发。该数据集通过自动化爬虫系统整合Danbooru、Pixiv等平台的500张高质量图像，并剔除核心特征标签（如黑发、红瞳、长髻）以强化模型对角色本体特征的辨识能力。当前前沿方向集中于利用该数据集进行基于文本引导的二次元角色可控生成，例如通过变分自编码器或扩散模型实现服饰风格迁移（如巫女服、泳装、婚纱）与场景组合的精准控制。此外，数据集提供的三级裁剪版本（stage3-p480-800/1200）与标签聚类结果（涵盖和服、泳装、成人内容等7类场景）为细粒度图像分割、多模态语义对齐及少样本风格学习提供了基准支撑，推动了二次元文化资产在AIGC领域的规范化与可复现研究。