CyberHarem/yamagumo_kantaicollection

这是一个名为‘yamagumo/山雲 (Kantai Collection)’的数据集，包含313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团队提供。数据集的核心标签包括‘long_hair, grey_hair, hairband, green_hairband, wavy_hair, sidelocks, grey_eyes, braid, single_braid, bow’，这些标签在数据集中被修剪。README还列出了数据集的多个版本和下载链接，以及如何使用waifuc加载原始数据集的代码示例。此外，还提供了标签聚类结果的列表，可能包含一些服装挖掘的信息。

This is a dataset named 'yamagumo/山雲 (Kantai Collection)', which contains 313 images and their corresponding labels. The images were scraped from multiple platforms including danbooru, pixiv, zerochan and others, with the scraping system provided by the DeepGHS team. The core tags of the dataset include 'long_hair, grey_hair, hairband, green_hairband, wavy_hair, sidelocks, grey_eyes, braid, single_braid, bow', and these tags have been pruned in the dataset. The README also lists multiple versions and download links of the dataset, as well as code examples for loading the original dataset using waifuc. Additionally, a list of tag clustering results is provided, which may contain some information related to clothing mining.

原始信息汇总

数据集概述

数据集名称

Dataset of yamagumo/山雲 (Kantai Collection)

数据集描述

该数据集包含313张关于yamagumo/山雲（舰队收藏）的图像及其标签。主要标签包括long_hair, grey_hair, hairband, green_hairband, wavy_hair, sidelocks, grey_eyes, braid, single_braid, bow。

数据集来源

图像从多个网站（如danbooru、pixiv、zerochan等）爬取，爬虫系统由DeepGHS Team开发。

数据集包列表

名称	图像数量	大小	类型	描述
raw	313	224.33 MiB	Waifuc-Raw	包含元信息的原始数据（最小边对齐到1400像素，如果更大）。
800	313	162.74 MiB	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	618	310.79 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。
1200	313	211.25 MiB	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	618	386.18 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	10		kneehighs, pleated_skirt, white_shirt, 1girl, arm_warmers, black_socks, bowtie, full_body, solo, bike_shorts, grey_skirt, looking_at_viewer, school_uniform, smile, suspender_skirt, loafers, short_sleeves, simple_background, white_background, hair_ornament, black_shorts, scrunchie
1	8		1girl, arm_warmers, school_uniform, shirt, smile, solo, suspenders, looking_at_viewer, bowtie, open_mouth, machinery, pleated_skirt, turret
2	5		1girl, bowtie, looking_at_viewer, simple_background, solo, upper_body, white_background, white_shirt, smile, suspenders, arm_warmers, school_uniform
3	18		1girl, pleated_skirt, solo, white_shirt, green_bowtie, suspender_skirt, grey_skirt, looking_at_viewer, short_sleeves, arm_warmers, cowboy_shot, smile, simple_background, white_background, bike_shorts, hair_ornament, twitter_username
4	9		1girl, looking_at_viewer, smile, solo, competition_school_swimsuit, flat_chest, simple_background, white_background, cowboy_shot, blue_one-piece_swimsuit, scrunchie

表格版本

#	样本数量	图像示例	标签
0	10		kneehighs, pleated_skirt, white_shirt, 1girl, arm_warmers, black_socks, bowtie, full_body, solo, bike_shorts, grey_skirt, looking_at_viewer, school_uniform, smile, suspender_skirt, loafers, short_sleeves, simple_background, white_background, hair_ornament, black_shorts, scrunchie
1	8		1girl, arm_warmers, school_uniform, shirt, smile, solo, suspenders, looking_at_viewer, bowtie, open_mouth, machinery, pleated_skirt, turret
2	5		1girl, bowtie, looking_at_viewer, simple_background, solo, upper_body, white_background, white_shirt, smile, suspenders, arm_warmers, school_uniform
3	18		1girl, pleated_skirt, solo, white_shirt, green_bowtie, suspender_skirt, grey_skirt, looking_at_viewer, short_sleeves, arm_warmers, cowboy_shot, smile, simple_background, white_background, bike_shorts, hair_ornament, twitter_username
4	9		1girl, looking_at_viewer, smile, solo, competition_school_swimsuit, flat_chest, simple_background, white_background, cowboy_shot, blue_one-piece_swimsuit, scrunchie

搜集汇总

数据集介绍

构建方式

在二次元图像生成领域，角色数据集的质量与规模直接影响模型的表现。本数据集聚焦于《舰队Collection》中的角色山雲（yamagumo），共收录313张图像及其对应的标签信息。数据集的构建依托于DeepGHS团队开发的自动化爬取系统，从Danbooru、Pixiv、Zerochan等多个主流图像平台采集原始素材。为满足不同训练场景的需求，数据集提供了raw、800、1200等多种分辨率版本，并引入了三阶段裁剪策略（stage3-p480-800与stage3-p480-1200），确保图像区域不低于480×480像素，有效提升数据利用率。

特点

该数据集的一个显著特点是其精细化的标签体系。核心标签如long_hair、grey_hair、hairband等已被系统性地剪枝，保留了最具区分度的视觉特征。此外，数据集提供了基于标签聚类的分析结果，将图像按服饰与场景风格划分为多个簇（如校园制服、泳装等），便于研究者挖掘角色的潜在搭配模式。所有图像均附带元信息，支持通过Waifuc框架直接加载，实现图像与标签的灵活访问。

使用方法

数据集的使用方式灵活多样。研究者可直接下载预处理的ZIP压缩包（如dataset-800.zip）用于常规训练，或通过HuggingFace Hub的API进行程序化加载。对于需要原始元信息的场景，推荐使用Waifuc库：首先通过hf_hub_download下载dataset-raw.zip，解压后利用LocalSource接口遍历图像及其标签。该流程支持对每张图像的filename、tags等元数据进行实时访问，为数据探索与模型微调提供了便捷的管道。

背景与挑战

背景概述

在二次元文化与生成式人工智能交汇的浪潮中，高质量、细粒度的角色图像数据集成为驱动文生图模型发展的关键基石。CyberHarem/yamagumo_kantaicollection数据集正是这一背景下的产物，由DeepGHS团队于近期构建并发布，聚焦于《舰队Collection》中的角色“山雲”。该数据集的核心研究问题在于如何系统性地收集、清洗并标注特定动漫角色的多模态数据，以支持文本到图像生成任务中角色的一致性与可控性。通过从Danbooru、Pixiv等多个平台自动化爬取313张图像并附带详尽标签，该数据集为社区提供了标准化训练资源，显著推动了二次元角色定制化生成的研究进程。

当前挑战

该数据集面临的挑战主要体现于领域问题与构建过程两个层面。在领域层面，文生图任务中对特定角色（如山雲）的忠实还原要求模型能够精准理解复杂标签（如发型、服饰、姿态）与视觉特征间的映射关系，而现有模型常因数据稀疏或标注歧义导致角色身份漂移或风格混杂。在构建过程中，自动化爬取系统虽提高了效率，却需应对多源图像在分辨率、构图、版权状态上的异质性，同时标签清洗与去冗余（如剔除核心标签以增强泛化性）亦需精细平衡。此外，仅313张的小规模样本量对模型泛化能力构成显著制约，数据增强与迁移学习的融合策略亟待探索。

常用场景

经典使用场景

在动漫角色生成与风格迁移领域，CyberHarem/yamagumo_kantaicollection数据集为基于文本到图像生成模型的细粒度角色定制提供了宝贵的训练资源。该数据集聚焦于《舰队Collection》中的角色山雲，收录了313张高质量图像及其对应的标签信息。研究者可利用该数据集训练或微调扩散模型，以实现对特定角色外貌特征（如灰色长发、发带、侧刘海等）的精准还原与风格化生成，从而推动动漫角色个性化生成技术的发展。

衍生相关工作

该数据集衍生了一系列基于扩散模型与角色标签系统的经典工作。例如，研究者利用该数据集探索了多级裁剪策略（如stage3-p480-800）对生成图像质量的影响，并开发了结合标签聚类分析的角色组件解耦方法。此外，该数据集还催生了角色标签自动补全与图像-标签对齐的相关研究，推动了面向动漫领域的高效数据管线建设，为后续大规模角色数据集构建奠定了方法论基础。

数据集最近研究

最新研究方向

在二次元角色数据集构建与生成式AI的交叉领域，CyberHarem/yamagumo_kantaicollection聚焦于《舰队Collection》中“山雲”这一角色的精细化数据采集与多模态标注。该数据集整合了来自Danbooru、Pixiv等平台的313张图像，并附带结构化标签体系，为文本到图像生成模型提供了高质量的角色语义锚点。当前前沿研究趋势集中于利用此类垂直领域数据集进行角色一致性保持（character consistency）和风格迁移的微调训练，尤其在LoRA（Low-Rank Adaptation）和DreamBooth等轻量化个性化生成技术中，此类标注精细、包含服饰聚类（如校服、泳装）的专用数据集成为提升生成可控性的关键资源。随着AI绘画社区对特定角色形象复现精度要求的提高，该数据集不仅服务于同人创作生态，更推动了少样本学习在视觉生成中的实际落地，其影响力延伸至数字娱乐资产管理与虚拟角色IP的自动化生产流程。