CyberHarem/indra_arknights

这是一个名为indra/インドラ/因陀罗 (Arknights)的数据集，包含108张图像及其标签。核心标签包括`animal_ears, long_hair, tiger_ears, yellow_eyes, grey_hair, tiger_girl, white_hair, scar_on_face, tail, tiger_tail, multicolored_hair, breasts, hair_between_eyes`。图像从多个网站（如danbooru, pixiv, zerochan等）爬取，爬取系统由DeepGHS团队开发。

本数据集命名为indra/インドラ/因陀罗（Arknights），共包含108张图像及其配套标注标签。核心标注标签包括`动物耳（animal_ears）、长发（long_hair）、虎耳（tiger_ears）、黄色眼眸（yellow_eyes）、灰发（grey_hair）、虎娘（tiger_girl）、白发（white_hair）、面部疤痕（scar_on_face）、尾巴（tail）、虎尾（tiger_tail）、多色发色（multicolored_hair）、胸部（breasts）、眼间发丝（hair_between_eyes）`。本数据集的图像采集自danbooru、pixiv、zerochan等多个平台，其采集系统由DeepGHS团队开发。

原始信息汇总

数据集概述

数据集名称

• 名称: Dataset of indra/インドラ/因陀罗 (Arknights)
• 描述: 包含108张图像及其标签，主要标签包括animal_ears, long_hair, tiger_ears, yellow_eyes, grey_hair, tiger_girl, white_hair, scar_on_face, tail, tiger_tail, multicolored_hair, breasts, hair_between_eyes。

数据集内容

• 图像来源: 从多个网站（如danbooru, pixiv, zerochan等）爬取。
• 数据集包:
  • raw: 包含108张图像，大小为192.31 MiB，提供原始数据及元信息。
  • 1200: 包含108张图像，大小为159.90 MiB，图像短边不超过1200像素。
  • stage3-p480-1200: 包含254张图像，大小为310.69 MiB，3阶段裁剪数据集，区域不小于480x480像素。

数据集使用

• 加载方式: 提供使用waifuc加载的代码示例。

数据集标签

• 标签集群: 提供标签集群结果，可能包含可挖掘的服装信息。
  • 集群示例:
    • 集群0: 包含21个样本，主要标签包括1girl, black_gloves, black_pants, open_jacket, solo, long_sleeves, looking_at_viewer, chain, green_shirt, scar_on_nose, smile, navel, blue_jacket, holding, red_belt, black_choker, red_footwear。
    • 集群1: 包含10个样本，主要标签包括1girl, collared_shirt, looking_at_viewer, smile, official_alternate_costume, solo, black_jacket, black_pants, single_braid, striped_necktie, purple_necktie, purple_shirt, simple_background, white_background, black_vest, open_jacket, belt, gloves, scar_on_nose。
    • 集群2: 包含6个样本，主要标签包括1girl, blush, hetero, nipples, solo_focus, collarbone, completely_nude, navel, pussy, abs, dark-skinned_male, medium_breasts, penis, scar_on_nose, sex, sweat, interracial, lying, mosaic_censoring, multiple_boys, open_mouth, sitting, spread_legs, very_long_hair。

许可证

• 许可证: MIT

搜集汇总

数据集介绍

构建方式

在动漫角色数据集构建领域，针对《明日方舟》中的角色因陀罗，CyberHarem团队构建了该图像-标签数据集。其构建过程始于从danbooru、pixiv、zerochan等多个知名插画网站进行自动化图像爬取，该爬取系统由DeepGHS团队提供技术支持。原始数据共计108张图像，并附有元信息。为便于不同应用场景，数据集提供了三种预处理版本：原始版本保留元信息且最小边长对齐至1400像素；1200版本将图像较短边缩放至不超过1200像素；stage3-p480-1200版本则采用了三级裁剪策略，确保裁剪区域不小于480x480像素，从而生成了254张图像。

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。每一张图像均标注了丰富的标签，核心标签涵盖了角色外貌特征，如兽耳、长发、虎耳、黄瞳、灰发、虎娘等，且这些核心标签在数据集中已被精简处理。此外，数据集还提供了基于标签的聚类结果，将图像分为若干簇，例如包含特定服装组合或姿态的聚类，这有助于挖掘不同服饰或场景模式。数据集规模虽小（n<1K），但通过多分辨率版本和裁剪策略，兼顾了图像质量与模型训练的灵活性，适合用于文本到图像生成模型的微调或风格学习。

使用方法

该数据集的使用方式灵活多样。用户可直接下载预处理好的zip压缩包（如1200或stage3-p480-1200版本），其中包含图像及其对应的文本标签文件，适用于常规的模型训练流程。对于需要原始元信息的进阶用户，可通过Hugging Face Hub下载原始版本，并借助waifuc库进行加载。具体而言，使用`hf_hub_download`函数下载`dataset-raw.zip`文件，解压后通过`LocalSource`类即可遍历图像及其元数据（包括文件名和标签），实现高度定制化的数据读取与处理。

背景与挑战

背景概述

源自热门手游《明日方舟》的角色因陀罗（Indra），其独特的设计融合了虎耳、疤痕、灰白长发等标志性元素，在二次元创作社区中拥有稳定的受众基础。该数据集由DeepGHS团队于近期构建并发布，旨在为文本到图像生成任务提供高质量的动漫角色素材。核心研究问题聚焦于如何通过自动化爬取与多源整合（如Danbooru、Pixiv等平台），构建一个标签精准、风格统一的角色专属数据集，以支撑下游的扩散模型微调与风格化生成。作为CyberHarem系列数据集的一部分，它推动了动漫角色数据标准化进程，为个性化生成模型提供了精细化的训练支持。

当前挑战

该数据集面临的核心挑战首先在于领域问题的复杂性：文本到图像生成需在保持角色核心特征（如虎尾、疤痕、多色长发）的同时，应对不同画师风格与着装变体带来的语义歧义，确保生成结果的身份一致性。其次，构建过程中遭遇多重技术难题：自动化爬取需处理跨平台版权差异与图像质量参差不齐的问题；标签清洗需从原始多源元数据中精准剥离出核心标签，避免噪声干扰；此外，数据集仅含108张原始图像，样本稀疏性限制了模型对罕见姿态与场景的泛化能力，而三级裁剪策略虽提升了局部特征利用率，却也引入了背景片段与构图碎片化的风险。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/indra_arknights数据集为研究者提供了针对特定动漫角色‘因陀罗’的高质量图像与标签配对资源。其经典使用场景在于微调预训练扩散模型（如Stable Diffusion），通过加载包含108张精选图像及其核心标签（如‘tiger_ears’、‘scar_on_face’）的数据包，使模型精准学习角色外观与风格特征，从而生成符合角色设定的全新视觉内容。该数据集的多分辨率版本（如1200像素、480-1200像素裁剪版）进一步适配不同计算资源，支持从概念验证到精细化创作的多样化生成任务。

实际应用

在实际应用中，该数据集赋能游戏与动漫产业的资产创作流程。设计师可借助微调后的模型快速生成角色概念图、同人插画或营销素材，大幅降低从零绘制的成本与时间。此外，通过聚类分析（如数据集提供的‘official_alternate_costume’与‘completely_nude’类别），开发者能自动化挖掘角色不同装扮与场景的视觉规律，辅助非专业用户实现风格迁移或剧情驱动的图像生成，提升内容生产的规模化与个性化水平。

衍生相关工作

该数据集衍生出多项经典工作，包括基于waifuc框架的自动化数据加载与预处理工具，以及针对角色标签聚类挖掘的研究。例如，研究者利用数据集中的‘stage3-p480-1200’版本训练了面向动漫角色的局部注意力机制模型，实现了对‘scar_on_nose’、‘tiger_tail’等细微特征的精准控制。同时，标签聚类结果（如包含‘hetero’、‘interracial’的成人内容簇）催生了安全过滤器的改进工作，推动生成模型在敏感内容识别与伦理约束方面的技术迭代。