CyberHarem/inazuma_azurlane

这是一个名为inazuma/電/电 (Azur Lane)的数据集，包含48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团队提供支持。数据集的核心标签包括blue_eyes, blue_hair, horns, long_hair, oni_horns, hair_ornament, breasts, ahoge, bangs, medium_breasts, hair_between_eyes, ponytail, sidelocks, ribbon, very_long_hair，这些标签在数据集中进行了修剪。数据集提供了不同版本的下载链接，包括原始数据、800像素、1200像素等不同分辨率的图片数据集，以及如何使用waifuc加载原始数据集的代码示例。此外，README还列出了标签聚类结果，展示了不同聚类中的图片样本及其标签。

This is a dataset named inazuma/電/电 (Azur Lane), containing 48 images and their corresponding labels. The images were crawled from multiple platforms including danbooru, pixiv, zerochan, etc., and the crawling system was powered by the DeepGHS team. The core tags of the dataset include blue_eyes, blue_hair, horns, long_hair, oni_horns, hair_ornament, breasts, ahoge, bangs, medium_breasts, hair_between_eyes, ponytail, sidelocks, ribbon and very_long_hair, and these tags were pruned in the dataset. The dataset provides download links for different versions, including the raw data, image datasets with resolutions of 800 pixels, 1200 pixels and other specifications, as well as code examples for loading the raw dataset using waifuc. Additionally, the README lists the tag clustering results, showing image samples and their corresponding tags in different clusters.

原始信息汇总

数据集概述

数据集名称

• Dataset of inazuma/電/电 (Azur Lane)

数据集内容

• 包含48张图像及其标签。
• 核心标签包括：blue_eyes, blue_hair, horns, long_hair, oni_horns, hair_ornament, breasts, ahoge, bangs, medium_breasts, hair_between_eyes, ponytail, sidelocks, ribbon, very_long_hair。

数据集来源

• 图像从多个网站爬取，如danbooru、pixiv、zerochan等。

数据集版本与下载

名称	图像数量	大小	下载链接	类型	描述
raw	48	55.23 MiB	下载	Waifuc-Raw	包含元信息的原始数据（最小边对齐至1400像素，如果更大）。
800	48	36.02 MiB	下载	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	110	73.37 MiB	下载	IMG+TXT	三阶段裁剪数据集，区域不小于480x480像素。
1200	48	50.84 MiB	下载	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	110	95.75 MiB	下载	IMG+TXT	三阶段裁剪数据集，区域不小于480x480像素。

数据集使用

• 提供原始数据集（包括标记的图像）供waifuc加载。

标签聚类结果

#	样本数	图像示例	标签
0	24	至	1girl, looking_at_viewer, bare_shoulders, solo, blush, kimono, wide_sleeves, choker, cleavage, black_thighhighs, obi, simple_background, umbrella, white_background
1	6	至	1girl, bare_shoulders, detached_sleeves, hair_flower, looking_at_viewer, solo, frills, hairband, mini_top_hat, skirt, bow, large_breasts, simple_background, striped, white_background

搜集汇总

数据集介绍

构建方式

在动漫角色图像数据集的构建中，本数据集聚焦于《碧蓝航线》中的角色“電”，通过自动化爬取系统从Danbooru、Pixiv、Zerochan等多个知名图像站点采集原始图像，并整合元信息。采集过程由DeepGHS团队开发的Waifuc工具驱动，确保了数据来源的多样性与系统性。原始数据包含48张图像及其标签，并针对该角色的核心外观特征（如蓝眼、蓝发、角、长发等）进行标签精简。数据集提供了多种预处理版本，包括限制短边不超过800或1200像素的标准化图像，以及经过三阶段裁剪（面积不低于480×480像素）的增强版本，以满足不同训练需求。

特点

该数据集的核心特点在于其精细化的标签体系与多版本结构。标签经过专业筛选，仅保留与角色外观直接相关的核心描述，如“oni_horns”、“ponytail”、“sidelocks”等，去除了冗余信息，提升了文本到图像生成任务中的条件控制精度。数据集不仅包含原始高分辨率图像（短边对齐至1400像素），还提供多种尺寸与裁剪变体，其中三阶段裁剪版本通过智能区域提取，将单张图像扩展为多个有效训练样本，使总样本数从48增至110，显著增强了数据的多样性与鲁棒性。此外，数据集附带聚类分析结果，可辅助挖掘不同服装与姿势模式。

使用方法

本数据集主要面向文本到图像生成模型的训练与评估。用户可通过Hugging Face Hub直接下载各版本压缩包。推荐使用Waifuc框架加载原始数据集，其代码示例展示了从下载ZIP文件到解析图像与标签的完整流程：首先通过hf_hub_download获取原始归档，解压后利用LocalSource迭代访问每个样本的图像与元数据标签。对于其他版本（如800、1200或三阶段裁剪数据集），可直接解压后作为标准的图像-文本对使用。聚类分析结果以表格形式提供，可用于探索角色在不同场景下的视觉分布，辅助数据增强或下游任务设计。

背景与挑战

背景概述

在文本到图像生成任务蓬勃发展的当下，高质量、细粒度的角色数据集成为驱动模型性能跃升的关键要素。CyberHarem团队于近期构建了inazuma_azurlane数据集，专注于收录手游《碧蓝航线》中角色“电”的多元视觉表现。该数据集由DeepGHS团队主导开发，通过自动化爬取系统从Danbooru、Pixiv、Zerochan等主流图站汇集了48幅原始图像，并辅以详尽的手工标签体系，涵盖发色、瞳色、服饰等核心属性。作为针对特定二次元角色的垂直数据集，它为风格化生成、角色一致性保持等研究提供了标准化训练素材，在动漫图像生成领域展现了独特的应用价值与影响力。

当前挑战

该数据集所面临的挑战主要体现在两个层面。在领域任务层面，文本到图像生成模型需应对角色特征的高保真复现难题，诸如复杂角度的鬼角、长发与发饰的精细结构，以及不同着装变体（如和服与洋装）间的风格统一，对模型的细粒度控制能力构成严峻考验。在构建过程中，数据集规模仅48张原始图像，样本稀缺性导致模型易陷入过拟合，难以泛化至未见姿态与场景；同时，多源爬取带来的图像分辨率、光照条件及背景复杂度差异，增加了数据清洗与标准化处理的难度，需通过多阶段裁剪（如stage3-p480-800）与标签聚类来缓解数据异质性带来的训练不稳定问题。

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/inazuma_azurlane 数据集为基于文本到图像（text-to-image）的生成模型提供了精细化的角色特征标注。该数据集聚焦于《碧蓝航线》中的角色“電”，收录了48张高分辨率图像及其对应的标签信息，涵盖发型、瞳色、服饰等核心视觉元素。研究者常利用该数据集微调Stable Diffusion等扩散模型，以实现对特定二次元角色的一致性和可控性生成，从而探索角色外貌与风格之间的映射关系。

解决学术问题

该数据集解决了动漫角色生成中因数据稀疏而导致的细节丢失与语义歧义问题。传统数据集往往缺乏对角色特有属性（如鬼角、长鬓、发饰）的细粒度标注，导致生成图像在角色辨识度上表现不佳。CyberHarem/inazuma_azurlane 通过提供结构化标签与多尺度裁剪版本，助力学术界在少样本学习、标签噪声鲁棒性以及角色身份保持等研究方向取得突破，推动了条件生成模型在二次元领域的理论进展。

衍生相关工作

围绕该数据集，衍生出多项经典工作。例如，DeepGHS团队基于其开发的Waifuc框架实现了自动化数据采集与标签清洗流水线，促进了同类角色数据集的标准化构建。此外，研究者利用该数据集探索了基于聚类分析的角色服装风格挖掘，揭示了不同装扮下的标签关联模式。在模型层面，部分工作通过引入对比学习策略，提升了角色在跨风格生成中的一致性，这些成果均以该数据集为基准进行验证与比较。