CyberHarem/kaho_bluearchive

这是一个名为kaho/桑上カホ/果穗 (Blue Archive)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blonde_hair, long_hair, animal_ears, fox_ears, mole, breasts, mole_under_mouth, hairband, halo, thick_eyebrows, large_breasts, extra_ears, hair_over_one_eye, yellow_eyes, fox_girl, eyes_visible_through_hair，这些标签在数据集中被修剪。

原始信息汇总

数据集概述

数据集名称

• 名称: Dataset of kaho/桑上カホ/果穗 (Blue Archive)

数据集内容

• 内容: 包含500张图像及其标签。
• 核心标签: 包括blonde_hair, long_hair, animal_ears, fox_ears, mole, breasts, mole_under_mouth, hairband, halo, thick_eyebrows, large_breasts, extra_ears, hair_over_one_eye, yellow_eyes, fox_girl, eyes_visible_through_hair。

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

名称	图像数量	大小	类型	描述
raw	500	936.68 MiB	Waifuc-Raw	原始数据，包含元信息，最小边对齐至1400像素（如果更大）。
1200	500	769.37 MiB	IMG+TXT	数据集，短边不超过1200像素。
stage3-p480-1200	1268	1.52 GiB	IMG+TXT	三阶段裁剪数据集，区域不小于480x480像素。

数据集使用

• 加载工具: 支持使用waifuc加载。

• 加载示例: python import os import zipfile from huggingface_hub import hf_hub_download from waifuc.source import LocalSource

  zip_file = hf_hub_download( repo_id=CyberHarem/kaho_bluearchive, repo_type=dataset, filename=dataset-raw.zip, )

  dataset_dir = dataset_dir os.makedirs(dataset_dir, exist_ok=True) with zipfile.ZipFile(zip_file, r) as zf: zf.extractall(dataset_dir)

  source = LocalSource(dataset_dir) for item in source: print(item.image, item.meta[filename], item.meta[tags])

数据集标签集群

#	样本数	标签（部分）
0	6	1girl, bare_shoulders, closed_mouth, detached_sleeves, looking_at_viewer, sideboob, sideless_kimono, simple_background, smile, solo, white_background, white_kimono, blush, sleeveless_kimono, wide_sleeves, yellow_hairband
1	12	1girl, blush, detached_sleeves, sideboob, sideless_kimono, solo, white_background, white_kimono, bare_shoulders, looking_at_viewer, simple_background, wide_sleeves
2	17	1girl, blush, looking_at_viewer, presenting_armpit, sideboob, sideless_kimono, solo, sweat, simple_background, detached_sleeves, white_kimono, arm_up, white_background, upper_body, wide_sleeves, makeup, smile, sleeveless_kimono, closed_mouth
3	9	1boy, 1girl, blush, hetero, solo_focus, kimono, nipples, penis, paizuri, pov, breasts_squeezed_together, looking_at_viewer, bar_censor, detached_sleeves, bare_shoulders, cum, on_back, smile
4	5	1boy, 1girl, blush, hetero, navel, nipples, sex, completely_nude, open_mouth, penis, solo_focus, vaginal, mosaic_censoring, armpits, arms_up, cum_in_pussy, male_pubic_hair, spread_legs, standing, sweat
5	8	1girl, blush, navel, nipples, solo, completely_nude, looking_at_viewer, very_long_hair, closed_mouth, thighs, yellow_hairband, collarbone, pussy, smile, stomach, white_background, armpits, makeup, simple_background, sitting, sweat

数据集许可证

• 许可证: MIT

搜集汇总

数据集介绍

构建方式

在二次元图像生成领域，高质量、标注精细的角色数据集是模型训练的重要基石。CyberHarem/kaho_bluearchive 数据集聚焦于游戏《蓝色档案》中的角色 kaho（桑上カホ/果穗），共收录 500 张图像及其对应标签。数据集通过自动化爬取系统从 Danbooru、Pixiv、Zerochan 等多站点采集，由 DeepGHS 团队提供技术支持。原始图像经筛选后，保留了角色核心标签如金发、长耳、狐耳等，并提供了三种不同规格的压缩包：原始元数据包、短边不超过 1200 像素的 IMG+TXT 格式包，以及经过三阶段裁剪、面积不低于 480×480 像素的增强包，以满足不同训练需求。

特点

该数据集最为显著的特点在于其精细的标签体系与多模态适配能力。每张图像均附带丰富的标签元信息，涵盖角色外貌、姿态、服装、场景等维度，便于进行细粒度的条件生成。数据集不仅提供原始图像，还通过聚类分析展示了不同标签组合下的样本分布，例如白色和服、露肩等主题簇，有助于挖掘角色不同装扮的潜在模式。此外，数据集兼容 waifuc 框架，支持直接加载与迭代，为二次元图像生成模型的训练提供了高效、结构化的数据支撑。

使用方法

数据集的使用方式灵活多样，开发者可根据任务需求选择合适的版本。若需完整元信息，可下载 raw 包，通过 Hugging Face Hub 与 waifuc 库结合，利用 LocalSource 加载图像与标签，实现自定义训练流程。对于追求高效训练的场景，推荐使用 1200 或 stage3 裁剪包，这些版本已对图像尺寸进行标准化处理，可直接输入模型。此外，数据集附带的聚类结果可作为标签增强或风格迁移的参考，助力生成更符合角色设定的图像。

背景与挑战

背景概述

在文本到图像生成领域，高质量、标注精确的数据集是推动模型性能提升的关键基石。由DeepGHS团队于近年构建的CyberHarem/kaho_bluearchive数据集，聚焦于《蔚蓝档案》游戏角色“果穗”（桑上カホ），收录了500张经过精细标注的图像。该数据集的核心研究问题在于为动漫风格角色生成提供标准化、结构化的训练资源，尤其关注角色特征（如金发、狐耳、光环等）的语义一致性。其影响力体现在为基于扩散模型的二次元角色生成任务提供了可复用的基准数据，并促进了社区在角色定制化生成方向上的探索。

当前挑战

当前数据集面临多重挑战：首先，在领域问题层面，动漫角色生成需解决高度风格化特征（如兽耳、服装变体）的精确还原问题，而现有模型常因训练数据不足导致特征混淆或细节丢失。其次，构建过程中，图像爬取自Danbooru、Pixiv等多源网站，面临版权合规性、图像质量参差以及标签噪声的挑战。此外，数据集仅含500张样本，规模有限，难以覆盖角色丰富的姿态、场景和光照变化，导致模型泛化能力受限。最后，标签体系虽经修剪，仍存在主观标注偏差，影响下游任务的一致性训练。

常用场景

经典使用场景

CyberHarem/kaho_bluearchive 数据集专为文本到图像生成任务而设计，尤其聚焦于动漫风格角色'果穗'（出自《Blue Archive》）的精细化建模。该数据集包含500张经过严格标注的高质量图像，覆盖了角色标志性特征如金色长发、狐耳、光环及服饰细节，并提供了多种预处理版本（如raw、1200、stage3-p480-1200），便于研究者直接用于训练扩散模型或图像生成网络。其经典使用场景包括基于文本提示的角色一致性生成、风格迁移以及多视角角色渲染，是动漫角色定制化生成领域的基准数据集之一。

实际应用

在实际应用中，该数据集可赋能虚拟偶像制作、游戏角色设计及动漫辅助创作等产业场景。例如，设计师可利用预训练模型基于文本描述快速生成'果穗'的多种姿态与着装变体，大幅缩短原画迭代周期。此外，其预处理版本支持边缘设备部署，适用于实时角色生成或个性化头像定制，在数字娱乐与社交媒体领域具有直接应用价值。

衍生相关工作

该数据集衍生了一系列经典工作，包括基于扩散模型的角色微调框架（如DreamBooth、LoRA），以及针对动漫角色的语义解耦与属性编辑方法。研究者常以此数据集验证新提出的标签增强策略或生成质量评估指标，如CLIP对齐度与角色身份保持率。此外，其聚类标注结果（如服饰分组）启发了无监督角色风格发现的研究方向，推动了多模态生成领域对细粒度视觉概念建模的深入探索。