CyberHarem/clarisse_granbluefantasy

这是一个名为clarisse/クラリス (Granblue Fantasy)的数据集，包含500张图像及其标签。图像从多个网站（如danbooru、pixiv、zerochan等）爬取，爬取系统由DeepGHS团队提供支持。数据集的核心标签包括`long_hair, breasts, ribbon, ponytail, hair_ribbon, green_eyes, brown_hair, medium_breasts, orange_hair, bangs`。数据集提供了多个版本，包括原始数据、不同尺寸的图像数据以及经过裁剪的图像数据。README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的表格版本和原始文本版本。

原始信息汇总

数据集概述

数据集信息

• 名称: Dataset of clarisse/クラリス (Granblue Fantasy)
• 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: 500
• 核心标签: long_hair, breasts, ribbon, ponytail, hair_ribbon, green_eyes, brown_hair, medium_breasts, orange_hair, bangs
• 来源: 从多个网站爬取，如danbooru, pixiv, zerochan等

数据包列表

名称	图像数量	大小	类型	描述
raw	500	678.32 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	500	403.93 MiB	IMG+TXT	短边不超过800像素的图像数据
stage3-p480-800	1220	849.88 MiB	IMG+TXT	3阶段裁剪数据，区域不小于480x480像素
1200	500	609.21 MiB	IMG+TXT	短边不超过1200像素的图像数据
stage3-p480-1200	1220	1.16 GiB	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	标签
0	33		1girl, black_gloves, skirt, solo, cape, looking_at_viewer, smile, black_thighhighs, one_eye_closed, open_mouth, ;d, book, boots, blush, v_over_eye, sleeveless
1	7		1girl, :d, black_gloves, black_ribbon, black_thighhighs, cape, looking_at_viewer, open_mouth, sleeveless, solo, sideboob, simple_background, very_long_hair, white_background, blush, red_skirt, test_tube, black_footwear, high_heel_boots, holding_book, knee_boots, open_book
2	26		cape, 1girl, black_gloves, christmas, santa_hat, solo, navel, black_thighhighs, blush, fur_trim, looking_at_viewer, cleavage, open_mouth, santa_bikini, one_eye_closed, boots, red_bikini, very_long_hair, :d
3	5		1girl, blush, detached_sleeves, hairband, long_sleeves, looking_at_viewer, solo, white_background, white_shirt, bare_shoulders, closed_mouth, red_skirt, simple_background, very_long_hair, bow, low_twintails, sleeveless_shirt, white_sweater, plaid_skirt, red_ribbon, sleeves_past_wrists, smile, thighhighs, turtleneck
4	9		1girl, blush, hairband, looking_at_viewer, red_skirt, solo, bare_shoulders, detached_sleeves, plaid_skirt, valentine, very_long_hair, aqua_eyes, holding, long_sleeves, thighhighs, white_background, apron, scarf, simple_background, smile, closed_mouth, gift, heart-shaped_box, large_breasts, twintails, white_shirt
5	9		1girl, bare_shoulders, blush, looking_at_viewer, red_bikini, solo, hair_flower, cleavage, navel, very_long_hair, smile, beach, bracelet, cloud, collarbone, frilled_bikini, open_mouth, outdoors, sarong, sky
6	6		1girl, bare_shoulders, blush, looking_at_viewer, solo, black_thighhighs, turtleneck, sleeveless_shirt, very_long_hair, white_panties, armpits, closed_mouth, on_back, side-tie_panties, skirt_lift, smile, sweater, swept_bangs, white_shirt
7	23		1girl, hair_bow, solo, looking_at_viewer, official_alternate_costume, hair_flower, blush, chest_harness, white_dress, black_gloves, white_bow, elbow_gloves, white_background, bare_shoulders, earrings, red_rose, smile, pantyhose
8	21		1girl, blush, hetero, solo_focus, 1boy, penis, nipples, open_mouth, pussy, thighhighs, large_breasts, bar_censor, sex, vaginal, sweat, spread_legs, cum, female_pubic_hair, gloves

搜集汇总

数据集介绍

构建方式

在二次元图像生成领域，高质量且标注详尽的数据集是驱动模型性能提升的关键。CyberHarem/clarisse_granbluefantasy数据集聚焦于游戏《碧蓝幻想》中的角色克拉丽丝，通过自动化爬取系统从Danbooru、Pixiv、Zerochan等多个知名图站采集原始图像，最终汇聚成包含500张图片及其对应标签的精细集合。该数据集提供了多种预处理版本，包括原始未裁剪版、短边限制为800或1200像素的标准化版本，以及经过三阶段裁剪、确保有效区域不低于480×480像素的增强版，以满足不同训练场景的需求。

特点

该数据集的核心特色在于其多层次的标签体系与聚类分析结果。除了为每张图像标注了如长发、蝴蝶结、马尾辫等显性视觉特征外，还通过标签聚类技术将图像按服装、姿态、场景等潜在语义进行分组，例如区分了日常装扮、圣诞主题、泳装造型及官方衍生服装等类别。这种结构化的聚类信息不仅揭示了角色在不同情境下的视觉多样性，也为研究者探索概念组合与风格迁移提供了宝贵的先验知识。

使用方法

数据集的加载方式灵活多样，既可以直接下载打包好的ZIP压缩文件进行离线使用，也支持通过Waifuc框架进行标准化读取。对于追求便捷性的用户，推荐使用Waifuc的LocalSource接口，配合Hugging Face Hub的下载功能，只需几行Python代码即可完成数据集的解压与迭代访问，轻松获取每张图像的像素内容、文件名及标签元数据。此外，不同分辨率的子集（如800、1200）和裁剪版本为模型训练时的输入尺寸选择提供了弹性空间。

背景与挑战

背景概述

在生成式人工智能领域，文本到图像（text-to-image）任务近年来取得了显著进展，尤其是在动漫及虚拟角色图像的精细化生成方面，对高质量、标签丰富的数据集需求日益迫切。CyberHarem/clarisse_granbluefantasy数据集由DeepGHS团队于近期创建，专注于收录日本游戏《碧蓝幻想》（Granblue Fantasy）中的角色克拉莉丝（Clarisse/クラリス）。该数据集包含500张精心采集的图像及其对应的标签信息，图像来源涵盖Danbooru、Pixiv、Zerochan等多个知名二次元图站。核心研究问题在于为动漫角色图像生成提供结构化的、经过标签精简（pruned）的高质量数据资源，以支持基于扩散模型等先进技术的角色一致性生成。该数据集因其对特定角色的深度聚焦和系统性标签整理，在动漫社区及AI艺术创作领域具有重要的示范效应和实用价值。

当前挑战

该数据集所面临的挑战主要体现在两个层面。首先，在领域问题层面，文本到图像生成任务中的核心挑战在于如何实现从语义标签到视觉特征的高保真映射，尤其是对于特定动漫角色，需要精准捕捉其标志性元素（如绿色眼睛、橙色长发、发带等）的细节，避免生成结果出现角色身份混淆或特征失真。其次，在数据集构建过程中，挑战主要来自多源异构数据的统一处理：不同图站的图像分辨率、构图风格和标签体系差异巨大，自动爬取系统需应对版权合规、噪声过滤及标签一致性对齐等问题，同时确保500张图像在服饰、姿态和场景上的多样性，以支撑角色在不同情境下的泛化生成能力。

常用场景

经典使用场景

在二次元角色生成与个性化创作领域，CyberHarem/clarisse_granbluefantasy 数据集为文本到图像（Text-to-Image）生成模型提供了高质量、精细标注的训练样本。该数据集收录了《碧蓝幻想》中角色克拉丽丝的500张图像，并附有丰富的标签信息，如发型、服饰、表情等，使得模型能够精准捕捉角色特征，广泛应用于基于扩散模型的角色定制与风格迁移任务。

衍生相关工作

该数据集衍生了一系列经典工作，包括基于LoRA（Low-Rank Adaptation）的角色高效微调方法、用于角色保持的DreamBooth技术以及多概念组合生成框架。此外，围绕该数据集的标签聚类结果，研究者开发了服装风格迁移与场景适配工具，推动了动漫图像生成领域从通用模型向垂直角色模型的演进。

数据集最近研究

最新研究方向

在二次元角色生成与个性化内容创作领域，CyberHarem/clarisse_granbluefantasy数据集聚焦于《碧蓝幻想》中人气角色克拉莉丝的精细化图像与标签构建，其前沿研究方向主要体现在三个方面：一是基于多源爬取（如Danbooru、Pixiv）与自动标注系统Waifuc的高效数据采集与清洗技术，为大规模角色数据集构建提供了可复现的范式；二是通过多尺度裁剪（如stage3-p480-800）与标签聚类分析（如服装、姿态的语义分组），支撑了文本到图像模型（如Stable Diffusion）对角色服饰变换、场景迁移等细粒度概念的精准学习；三是数据集对非公开内容（not-for-all-audiences）的包容性，推动了生成模型在成人向内容安全过滤与创意边界探索之间的平衡研究。该数据集不仅服务于同人创作与游戏资产自动化生成，更在少样本角色定制、跨风格一致性保持等前沿课题中扮演基准角色，其影响延伸至数字娱乐产业中虚拟偶像与用户生成内容（UGC）的工业化生产链条。