CyberHarem/perth_kantaicollection

这是一个名为perth/パース (Kantai Collection)的数据集，包含433张图片及其标签。图片从多个网站（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`blonde_hair, braid, purple_eyes, hair_bun, braided_bun, braided_bangs, breasts, short_hair`，这些标签在数据集中被修剪。本数据集命名为perth/パース（舰队Collection，Kantai Collection），包含433张图片及其对应标签。图片通过多个站点（如danbooru、pixiv、zerochan等）爬取获得，并由DeepGHS团队提供技术支持。本数据集的核心标注标签包括金发（blonde_hair）、编发（braid）、紫眸（purple_eyes）、发髻（hair_bun）、编发髻（braided_bun）、编式刘海（braided_bangs）、胸部（breasts）与短发（short_hair），上述标签均已在数据集内完成修剪处理。

原始信息汇总

数据集概述

数据集信息

• 名称: Dataset of perth/パース (Kantai Collection)
• 许可证: MIT
• 任务类别: text-to-image
• 标签: art, not-for-all-audiences
• 大小类别: n<1K
• 图像数量: 433
• 核心标签: blonde_hair, braid, purple_eyes, hair_bun, braided_bun, braided_bangs, breasts, short_hair

数据集包列表

名称	图像数量	大小	类型	描述
raw	433	477.96 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	433	283.66 MiB	IMG+TXT	短边不超过800像素的图像和文本数据
stage3-p480-800	1043	627.29 MiB	IMG+TXT	3阶段裁剪数据，区域不小于480x480像素
1200	433	427.41 MiB	IMG+TXT	短边不超过1200像素的图像和文本数据
stage3-p480-1200	1043	865.05 MiB	IMG+TXT	3阶段裁剪数据，区域不小于480x480像素

标签聚类结果

原始文本版本

#	样本数量	图像示例1	图像示例2	图像示例3	图像示例4	图像示例5	标签
0	19						1girl, blue_necktie, green_vest, short_sleeves, solo, upper_body, white_shirt, dress_shirt, green_cape, cloak, looking_at_viewer, badge, hair_ribbon, school_uniform, simple_background, white_background, hair_between_eyes
1	54						1girl, blue_necktie, blue_skirt, green_vest, plaid_skirt, pleated_skirt, school_uniform, white_shirt, dress_shirt, green_cape, short_sleeves, solo, badge, green_thighhighs, cloak, looking_at_viewer, cowboy_shot, white_background, simple_background
2	7						1girl, alternate_costume, fake_animal_ears, playboy_bunny, rabbit_ears, solo, wrist_cuffs, detached_collar, strapless_leotard, cowboy_shot, large_breasts, rabbit_tail, cleavage, fake_tail, pantyhose, green_leotard, looking_at_viewer, necktie
3	33						1girl, solo, white_hoodie, blue_skirt, hooded_sweater, long_sleeves, plaid_skirt, official_alternate_costume, pink_apron, pleated_skirt, looking_at_viewer, simple_background, white_background, blush, long_hair, thighhighs
4	10						1girl, official_alternate_costume, solo, striped_bikini, simple_background, white_background, cowboy_shot, medium_breasts, navel, looking_at_viewer, blush, cleavage, hairclip, one-hour_drawing_challenge, sarong, collarbone, green_bikini, twitter_username
5	5						1girl, cleavage, navel, outdoors, solo, striped_bikini, blue_sky, cloud, cowboy_shot, day, medium_breasts, blush, hairclip, looking_at_viewer, official_alternate_costume, collarbone, large_breasts, ocean, sarong, smile
6	10						1girl, enmaided, frilled_apron, solo, white_apron, maid_headdress, black_dress, maid_apron, short_sleeves, blush, puffy_sleeves, waist_apron, cowboy_shot, large_breasts, looking_at_viewer, gloves, one-hour_drawing_challenge, simple_background
7	6						1girl, blush, nude, solo_focus, 1boy, hair_ribbon, hetero, large_breasts, bangs, nipples, penis, simple_background, bar_censor, fellatio, hair_between_eyes, open_mouth, white_background
8	5						1girl, green_kimono, print_kimono, alternate_costume, floral_print, long_hair, obi, wide_sleeves, blush, hair_flower, long_sleeves, food, hair_between_eyes, holding, large_breasts, open_mouth, solo_focus

表格版本

#	样本数量	图像示例1	图像示例2	图像示例3	图像示例4	图像示例5	1girl	blue_necktie	green_vest	short_sleeves	solo	upper_body	white_shirt	dress_shirt	green_cape	cloak	looking_at_viewer	badge	hair_ribbon	school_uniform	simple_background	white_background	hair_between_eyes	blue_skirt	plaid_skirt	pleated_skirt	green_thighhighs	cowboy_shot	alternate_costume	fake_animal_ears	playboy_bunny	rabbit_ears	wrist_cuffs	detached_collar	strapless_leotard	large_breasts	rabbit_tail	cleavage	fake_tail	pantyhose	green_leotard	necktie	white_hoodie	hooded_sweater	long_sleeves	official_alternate_costume	pink_apron	blush	long_hair	thighhighs	striped_bikini	medium_breasts	navel	hairclip	one-hour_drawing_challenge	sarong	collarbone	green_bikini	twitter_username	outdoors	blue_sky	cloud	day	ocean	smile	enmaided	frilled_apron	white_apron	maid_headdress	black_dress	maid_apron	puffy_sleeves	waist_apron	gloves	nude	solo_focus	1boy	hetero	bangs	nipples	penis	bar_censor	fellatio	open_mouth	green_kimono	print_kimono	floral_print	obi	wide_sleeves	hair_flower	food	holding
0	19						X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
1	54						X	X	X	X	X		X	X	X	X	X	X		X	X	X		X	X	X	X	X
2	7						X				X						X											X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
3	33						X				X						X				X	X		X	X	X																	X	X	X	X	X	X	X	X
4	10						X				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

在动漫角色数据集构建领域，本数据集聚焦于《舰队Collection》中的角色珀斯（perth/パース），通过自动化爬取系统从Danbooru、Pixiv、Zerochan等多个站点收集图像，并由DeepGHS团队提供技术支持。数据集包含433张原始图像及其标签，核心特征标签如金发、辫子、紫瞳等已被精简处理。为适配不同应用场景，数据集提供了多种预处理版本，包括原始数据包、短边限制为800或1200像素的标准化版本，以及采用三阶段裁剪策略生成、面积不低于480×480像素的增强版，总计1043张图像。

特点

该数据集具有鲜明的多维度特点。在内容层面，它围绕单一角色珀斯构建，但通过标签聚类分析揭示了丰富的服饰变体，涵盖学校制服、兔女郎装、泳装、女仆装及和服等九种风格集群，为角色多模态研究提供了细粒度素材。在技术层面，数据集提供从原始元数据到标准化尺寸、裁剪增强的阶梯式版本，兼容不同模型训练需求。此外，数据集中包含的部分敏感内容标签，如实反映了二次元创作生态的多样性。

使用方法

数据集的使用方式灵活多样。用户可通过Hugging Face Hub直接下载各压缩包，其中原始数据包（dataset-raw.zip）专为Waifuc框架设计，支持通过Python代码解压并加载为LocalSource对象，方便获取图像及关联的元数据与标签信息。对于需要特定分辨率的训练任务，可选择800或1200像素的标准化版本；而三阶段裁剪版本则适用于需要更高图像局部细节的场景。标签聚类结果以可视化表格形式提供，便于研究者快速定位特定风格的图像子集。

背景与挑战

背景概述

在文本到图像生成领域，高质量、精细标注的特定角色数据集对于推动生成模型的风格一致性与细节还原能力至关重要。由DeepGHS团队于近期构建并发布的CyberHarem/perth_kantaicollection数据集，聚焦于《舰队Collection》中的角色“珀斯”（Perth），系统性地收集了433张来自Danbooru、Pixiv、Zerochan等多个平台的图像，并附带了详尽的标签信息。该数据集的核心研究问题在于如何为动漫角色建立一个可复现、可扩展的标准化数据管线，以支撑后续的图像生成与风格迁移任务。其影响力体现在为社区提供了一个经过标签裁剪、多分辨率版本（如800px、1200px）以及三阶段裁剪处理的高质量素材库，显著降低了研究者获取特定角色训练数据的门槛。

当前挑战

该数据集所面对的挑战主要集中在领域问题与构建过程两个层面。在领域层面，文本到图像生成模型常因训练数据中角色特征（如发型、瞳色、服饰）的标注不统一或噪声干扰而生成失真的结果，该数据集通过核心标签（如blonde_hair、purple_eyes）的精准剪枝来缓解这一难题。在构建过程中，跨站点自动爬取面临图像版权、元数据格式差异以及低质量或重复图像的过滤挑战，DeepGHS团队通过waifuc框架实现了自动化处理，但样本量较小（433张）限制了模型对角色多视角、多光照场景的泛化能力，同时部分聚类结果（如nsfw内容）提示了数据平衡与伦理过滤的进一步需求。

常用场景

经典使用场景

该数据集以《舰队Collection》中的角色perth为核心，收录了433张高质量图像及其语义标签，广泛用于文本到图像生成模型的训练与微调。研究者常借助此数据集进行角色一致性生成任务，通过其精细的标签体系（如发色、服饰、姿态）来提升生成模型对特定视觉特征的还原能力，尤其在动漫风格图像合成领域具有标杆意义。

衍生相关工作

基于该数据集衍生出多项经典工作，包括利用标签聚类分析进行服装风格解耦的研究，以及结合Waifuc框架的自动化图像爬取与标注流程。此外，数据集的分阶段裁剪策略（如stage3-p480-800）启发了多尺度训练范式，相关成果被应用于大规模动漫数据集构建与高效模型部署，形成了从数据采集到模型优化的完整生态链条。

数据集最近研究

最新研究方向

在生成式人工智能与二次元文化交叉的前沿领域，该数据集聚焦于《舰队Collection》中角色“珀斯”的多模态图像生成研究。当前研究热点集中在基于扩散模型的文本到图像精准生成，尤其重视角色核心特征（如金发、编发、紫瞳）的保真度与风格迁移能力。数据集提供了从原始高分辨率到多阶段裁剪的多种处理版本，支持细粒度的图像-标签对齐训练，这为研究角色在不同着装（如校园制服、兔女郎、泳装）下的视觉语义一致性提供了宝贵资源。关联到近期AI绘画社区对特定角色高质量数据集的迫切需求，以及HuggingFace上二次元数据集生态的快速扩张，该工作通过自动化爬取与标签聚类技术，显著降低了角色专属数据集的构建门槛，对推动小样本角色定制生成、可控图像编辑等方向具有重要实践意义。