CyberHarem/herta_starrail

这是一个名为Herta/ヘルタ/黑塔/헤르타 (Honkai: Star Rail)的数据集，包含270张图像及其标签。图像从多个网站（如danbooru、pixiv、zerochan等）爬取，并由DeepGHS团队提供技术支持。数据集的核心标签包括`long_hair, purple_eyes, bangs, hat, brown_hair, hair_flower, hair_ornament, black_headwear, beret`。数据集提供了多个版本和下载链接，并展示了如何使用waifuc加载原始数据集的示例代码。此外，还列出了标签聚类结果，展示了不同标签组合的图像样本。这是一个名为Herta/ヘルタ/黑塔/헤르타 (Honkai: Star Rail)的数据集，包含270张图像及其标签。图像从多个网站（如danbooru、pixiv、zerochan等）爬取，并由DeepGHS团队提供技术支持。数据集的核心标签包括`long_hair, purple_eyes, bangs, hat, brown_hair, hair_flower, hair_ornament, black_headwear, beret`。数据集提供了多个版本和下载链接，并展示了如何使用waifuc加载原始数据集的示例代码。此外，还列出了标签聚类结果，展示了不同标签组合的图像样本。

原始信息汇总

数据集概述

数据集名称

• 名称: herta/ヘルタ/黑塔/헤르타 (Honkai: Star Rail)

数据集内容

• 内容: 包含270张图像及其标签。
• 核心标签: long_hair, purple_eyes, bangs, hat, brown_hair, hair_flower, hair_ornament, black_headwear, beret

数据集来源

• 来源: 图像从多个网站爬取，如danbooru, pixiv, zerochan等。
• 爬取系统: 由DeepGHS Team提供技术支持。

数据集版本与下载

• 版本列表:
  • raw: 270张图像，505.97 MiB，包含元信息。
  • 800: 270张图像，243.94 MiB，短边不超过800像素。
  • stage3-p480-800: 663张图像，531.22 MiB，区域不小于480x480像素。
  • 1200: 270张图像，423.31 MiB，短边不超过1200像素。
  • stage3-p480-1200: 663张图像，819.15 MiB，区域不小于480x480像素。

数据集使用

• 加载方式: 支持使用waifuc加载原始数据集。

数据集标签集群

• 集群列表:
  • 集群0: 7个样本，包含1girl, nipples, 1boy等标签。
  • 集群1: 43个样本，包含1girl, looking_at_viewer, doll_joints等标签。

许可证

• 许可证: MIT

搜集汇总

数据集介绍

构建方式

在二次元角色图像数据集的构建领域，针对《崩坏：星穹铁道》中的角色黑塔（Herta），本数据集通过自动化爬取系统从Danbooru、Pixiv、Zerochan等多个知名图像社区搜集了270张高质量图片及其标签信息。该爬取系统由DeepGHS团队开发，确保了数据来源的广泛性与多样性。数据集核心标签包括long_hair、purple_eyes、bangs、hat、brown_hair等，并已进行精简处理。为适配不同应用场景，数据集提供了raw、800、1200等多种分辨率版本，以及经过三阶段裁剪、面积不低于480x480像素的stage3-p480-800和stage3-p480-1200版本，方便研究者按需选用。

特点

本数据集的特点在于其精细化的多版本设计与丰富的元数据支持。原始版本保留完整图像与元信息，便于深度分析；而缩放版本则针对模型训练效率进行了优化。尤为突出的是，数据集提供了基于标签聚类的分组结果，如通过Raw Text Version和Table Version呈现的聚类列表，揭示了角色在不同服饰、姿态下的潜在模式，例如包含“1girl, nipples, doll_joints”等标签的类别，有助于挖掘角色多样性。此外，数据集兼容Waifuc框架，支持直接加载原始压缩包，简化了数据预处理流程。

使用方法

使用本数据集时，研究者可通过Hugging Face Hub下载各版本压缩包。若需加载原始数据，推荐采用Waifuc库：首先利用huggingface_hub的hf_hub_download函数下载dataset-raw.zip，解压至指定目录后，通过LocalSource读取数据，遍历获得图像、文件名及标签信息。对于缩放或裁剪版本，可直接解压后作为标准图像-标签对使用。聚类结果以表格形式呈现，可用于分析角色图像的主题分布，辅助生成模型的微调或风格迁移任务。

背景与挑战

背景概述

在生成式人工智能与数字艺术交汇的浪潮中，针对特定虚拟角色的高质量图像数据集成为推动文本到图像生成模型发展的关键基石。由DeepGHS团队于近期构建的CyberHarem/herta_starrail数据集，聚焦于游戏《崩坏：星穹铁道》中的人气角色黑塔（Herta），系统性地收录了270张来自Danbooru、Pixiv、Zerochan等多平台的精选图像及其标注标签。该数据集的核心研究问题在于如何通过精细化标签（如长发、紫瞳、贝雷帽等特征）与多尺度图像版本（涵盖原始高清至裁剪适配版本），为角色一致性生成与风格迁移提供标准化训练资源。其影响力不仅限于二次元社区，更为多模态模型在虚构角色表征学习与细粒度视觉理解领域树立了范例。

当前挑战

该数据集面临的首要挑战在于领域问题的复杂性：文本到图像生成任务中，角色核心特征的稳定性与多样性之间存在天然张力，黑塔的独特发型、服饰细节与表情变化需在生成结果中保持高度可辨识性，这对模型的特征解耦能力提出严苛要求。构建过程中亦遭遇多重阻碍：数据采集需从异构平台整合图像，面临版权合规与内容多样性平衡的难题；标签体系需手动校验以消除歧义（如不同画师对同一服饰的表述差异），同时需处理敏感内容（如聚类结果中出现的成人向标签）与主流应用场景的冲突；图像分辨率与裁剪策略的优化更涉及计算资源与数据质量间的反复权衡。

常用场景

经典使用场景

在生成式人工智能与数字艺术交叉融合的浪潮中，CyberHarem/herta_starrail 数据集为文本到图像生成模型提供了精细化的训练素材。该数据集聚焦于《崩坏：星穹铁道》中的角色黑塔，收录了270张经过严格标注的高质量图像，核心标签涵盖发型、瞳色、服饰等关键视觉特征。其最经典的使用场景在于微调扩散模型，如Stable Diffusion，使其能够精准生成符合角色设定且风格统一的动漫人物图像，从而在二次元内容创作领域实现高效的定制化生成。

衍生相关工作

围绕该数据集已衍生出多项具有影响力的工作。基于其提供的原始图像与标签信息，研究者开发了针对动漫图像的高效数据清洗与聚类方法，例如利用Waifuc框架实现自动化数据集加载与预处理。此外，该数据集的标签聚类结果被用于挖掘角色在不同情境下的外观变化规律，为后续的服饰迁移、姿态生成等任务提供了先验知识。这些工作共同推动了动漫生成领域数据标准化与模型泛化能力的提升。

数据集最近研究

最新研究方向

在生成式人工智能与角色数字资产构建的交叉领域，以CyberHarem/herta_starrail为代表的精细化角色数据集正成为推动文本到图像生成模型发展的关键引擎。该数据集聚焦于《崩坏：星穹铁道》中人气角色“黑塔”，通过从Danbooru、Pixiv等多源平台爬取并标注了270张高质量图像，系统整理了其核心视觉标签（如紫色眼眸、贝雷帽、长发等），为角色一致性生成提供了标准化训练素材。当前研究热点集中在利用此类数据集优化扩散模型的角色保真度与风格迁移能力，尤其在解决多视角、多服饰场景下的语义对齐挑战方面。随着AI绘画社区对二次元角色IP的精细化控制需求激增，这类数据集不仅加速了LoRA、ControlNet等微调技术的落地，更在虚拟偶像生成、游戏美术自动化等前沿应用中扮演着基础设施角色，其影响力已从技术研发延伸至数字内容创作生态的规范化进程。