CyberHarem/charlotte_genshin

这是一个名为charlotte/シャルロット/夏洛蒂 (Genshin Impact)的数据集，包含276张图片及其标签。图片从多个网站（如danbooru、pixiv、zerochan等）爬取，核心标签包括`pink_hair, hat, red_headwear, cabbie_hat, aqua_eyes, medium_hair, breasts, short_hair, medium_breasts`。数据集提供了不同版本的下载链接，包括原始数据、1200像素版本和三阶段裁剪版本。此外，还提供了如何使用waifuc加载原始数据集的代码示例，并展示了标签聚类结果。

原始信息汇总

数据集概述

数据集信息

• 名称: Dataset of charlotte/シャルロット/夏洛蒂 (Genshin Impact)
• 许可证: MIT
• 任务类别: text-to-image
• 标签: art, not-for-all-audiences
• 大小类别: n<1K

数据集内容

• 图像数量: 276张
• 核心标签: pink_hair, hat, red_headwear, cabbie_hat, aqua_eyes, medium_hair, breasts, short_hair, medium_breasts
• 来源: 从多个网站爬取，如danbooru, pixiv, zerochan等

数据集包列表

名称	图像数量	大小	类型	描述
raw	276	560.81 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）
1200	276	461.92 MiB	IMG+TXT	短边不超过1200像素的数据集
stage3-p480-1200	710	968.04 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

#	样本数量	图像示例	标签
0	24	至	1girl, monocle, solo, white_gloves, white_shirt, bare_shoulders, detached_sleeves, looking_at_viewer, long_sleeves, open_mouth, red_sleeves, upper_body, holding_camera, hat_feather, suspenders, white_background, :d, sleeveless_shirt, simple_background, bow, puffy_sleeves, upper_teeth_only, gem, blush
1	11	至	1girl, bare_shoulders, detached_sleeves, long_sleeves, looking_at_viewer, monocle, red_sleeves, simple_background, sleeveless_shirt, solo, white_background, white_shirt, white_gloves, blue_gemstone, hat_feather, skirt, suspenders, puffy_sleeves, white_belt, sideboob, thighs, blush, brooch, open_mouth, :d, thigh_strap, cowboy_shot, upper_body
2	5	至	1girl, bare_shoulders, hat_feather, holding_camera, monocle, simple_background, solo, upper_body, white_background, looking_at_viewer, smile, white_gloves, blush, green_eyes, open_mouth, detached_sleeves, long_sleeves
3	8	至	1girl, bare_shoulders, blue_gemstone, blue_sky, day, long_sleeves, monocle, outdoors, red_sleeves, sleeveless_shirt, solo, white_gloves, white_shirt, hat_feather, holding_camera, looking_at_viewer, open_mouth, cloud, suspenders, upper_body, blush, brooch, upper_teeth_only, :d, bow, puffy_detached_sleeves, white_belt, blurry_background

表格版本

#	样本数量	图像示例	1girl	monocle	solo	white_gloves	white_shirt	bare_shoulders	detached_sleeves	looking_at_viewer	long_sleeves	open_mouth	red_sleeves	upper_body	holding_camera	hat_feather	suspenders	white_background	:d	sleeveless_shirt	simple_background	bow	puffy_sleeves	upper_teeth_only	gem	blush	blue_gemstone	skirt	white_belt	sideboob	thighs	brooch	thigh_strap	cowboy_shot	smile	green_eyes	blue_sky	day	outdoors	cloud	puffy_detached_sleeves	blurry_background
0	24	至	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	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

该数据集聚焦于《原神》角色夏洛蒂（シャルロット/Charlotte），共收录276幅图像及其对应标签。数据源自Danbooru、Pixiv、Zerochan等多个艺术平台，借助DeepGHS团队开发的自动化爬取系统完成采集。构建过程中，首先对原始图像进行边缘对齐至1400像素的最小边处理，保留元信息；继而提供短边不超过1200像素的标准化版本；最终通过三阶段裁剪策略，生成面积不低于480×480像素的增强数据集，以适配不同训练需求。

特点

数据集的核心标识为粉发、帽子、红色头饰、司机帽、水色眼眸、中发、胸部、短发、中等胸围等特征，这些标签已被精简以突出角色辨识度。此外，还提供了标签聚类结果，将图像按视觉相似性分组，例如包含单片眼镜、白手套、露肩装等元素的子群，便于挖掘不同服装搭配与场景模式。数据以原始压缩包和标准化图像-文本对两种格式分发，总计三个包体，满足从原始元数据到精细化裁剪的多样化应用场景。

使用方法

用户可通过Hugging Face Hub下载数据集，推荐使用Waifuc库加载原始版本。具体步骤为：利用huggingface_hub库的hf_hub_download函数获取dataset-raw.zip文件，解压至本地目录后，通过Waifuc的LocalSource接口读取图像及其元数据，包括文件名和标签列表。对于其他包体（如1200像素版或三阶段裁剪版），可直接下载对应ZIP文件并解压使用，图像与文本文件一一对应，便于直接输入至文本到图像生成模型的训练流程。

背景与挑战

背景概述

在生成式人工智能与数字艺术交叉领域中，基于文本到图像的扩散模型日益成为虚拟角色创作的核心技术。CyberHarem团队于近期构建了夏洛蒂（シャルロット）数据集，该数据集源自热门游戏《原神》，由DeepGHS组织通过自动化爬取系统从Danbooru、Pixiv、Zerochan等多源平台收集，包含276张高分辨率图像及其对应的标签元数据。该数据集的核心研究问题聚焦于如何为特定游戏角色构建高质量、多视角、多场景的训练样本，以支持角色一致性的图像生成任务。其影响力在于为二次元角色定制化生成提供了标准化数据基础，推动了动漫风格文本到图像模型在细分角色上的精细化训练能力。

当前挑战

该数据集面临的核心挑战体现在领域问题与构建过程两个层面。在领域层面，文本到图像生成任务需解决角色身份特征（如粉色长发、帽饰、蓝色眼瞳）的跨视角、跨场景一致性保持问题，同时应对动漫风格中装饰元素（如单片眼镜、白色手套、羽毛帽饰）的细节保真度挑战。在构建过程中，自动化爬取面临多源平台图像质量参差、标签噪声与缺失、以及版权合规性等难题；此外，276张样本的有限规模难以覆盖角色所有姿态与光照变化，需通过裁剪与尺度归一化（如1200像素短边对齐、三阶段裁剪策略）来增强数据利用率，但数据增强仍可能引入伪影或导致分布偏移。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/charlotte_genshin数据集为角色驱动的内容创作提供了精细化的视觉与语义资源。该数据集收录了《原神》角色夏洛蒂的276幅图像及其标注标签，涵盖粉色长发、帽子、蓝色眼眸等核心特征，并经由多源爬取与标准化处理。研究者可基于此数据集微调扩散模型，实现角色一致性的图像生成，尤其适用于二次元风格下的细粒度人物再现，成为风格化生成任务中不可或缺的基准素材。

实际应用

在实际应用中，该数据集赋能了游戏与动漫产业中的自动化内容生产流程。开发者可借助该数据集训练模型，快速生成夏洛蒂在不同服饰或动作下的概念图、宣传素材或同人作品，降低人工绘制成本。此外，其标准化的图像-标签格式便于集成至waifuc等工具链，支持从数据加载到模型部署的全流程自动化，为虚拟偶像运营、角色IP衍生设计等商业场景提供了高效的技术方案。

衍生相关工作

基于该数据集，衍生出多项聚焦角色定制与风格迁移的经典工作。例如，研究者利用其聚类标签开发了基于文本引导的角色属性编辑方法，实现了对发型、配饰等要素的精准替换。同时，该数据集被用于评估扩散模型在保持角色身份特征下的背景泛化能力，催生了多阶段裁剪与标签增强策略。这些工作不仅验证了数据集在少样本学习场景中的有效性，也为后续构建更大规模的二次元角色数据集奠定了方法论基础。