CyberHarem/saitou_pokemon

这是一个名为saitou (Pokémon)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团队提供。数据集的核心标签包括short_hair, dark-skinned_female, hairband, dark_skin, grey_hair, black_hairband, hair_between_eyes, bangs, grey_eyes, breasts, blue_eyes。数据集提供了多种格式的下载选项，包括原始数据、不同分辨率的图片以及经过裁剪的版本。此外，README还提供了如何使用waifuc加载原始数据集的代码示例，并列出了标签聚类结果。

This is a dataset named saitou (Pokémon) containing 500 images and their corresponding labels. The images were crawled from multiple platforms including danbooru, pixiv, zerochan, etc., and the crawling system was provided by the DeepGHS team. The core tags of the dataset are short_hair, dark-skinned_female, hairband, dark_skin, grey_hair, black_hairband, hair_between_eyes, bangs, grey_eyes, breasts, blue_eyes. Multiple download options are offered for this dataset, including raw data, images with different resolutions, and cropped versions. In addition, the README provides code examples for loading the raw dataset with waifuc, and lists the tag clustering results.

原始信息汇总

数据集概述

数据集基本信息

• 名称: Dataset of saitou (Pokémon)
• 许可: 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: short_hair, dark-skinned_female, hairband, dark_skin, grey_hair, black_hairband, hair_between_eyes, bangs, grey_eyes, breasts, blue_eyes

数据集版本

名称	图像数量	大小	类型	描述
raw	500	614.52 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）
800	500	332.38 MiB	IMG+TXT	短边不超过800像素的数据集
stage3-p480-800	1307	755.83 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素
1200	500	535.54 MiB	IMG+TXT	短边不超过1200像素的数据集
stage3-p480-1200	1307	1.06 GiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素

数据集加载

• 加载工具: waifuc

• 示例代码: 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/saitou_pokemon, 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])

标签聚类结果

原始文本版本

#	样本数量	图像示例	标签
0	5		1girl, barefoot, black_bodysuit, bodysuit_under_clothes, covered_navel, holding_poke_ball, knee_pads, leg_up, print_shirt, short_sleeves, single_glove, solo, closed_mouth, feet, standing_on_one_leg, toes, ultra_ball, collared_shirt, dynamax_band, print_shorts, wristband, tied_shirt
1	5		1girl, black_bodysuit, bodysuit_under_clothes, closed_mouth, collared_shirt, dynamax_band, holding_poke_ball, knee_pads, looking_at_viewer, partially_fingerless_gloves, print_shirt, print_shorts, short_sleeves, single_glove, solo, tied_shirt, ultra_ball, barefoot, covered_navel, leg_up, blonde_hair, simple_background, wristband
2	11		1girl, black_bodysuit, bodysuit_under_clothes, closed_mouth, collared_shirt, covered_navel, holding_poke_ball, looking_at_viewer, short_sleeves, solo, ultra_ball, print_shorts, single_glove, dynamax_band, print_shirt, tied_shirt, clenched_hand, partially_fingerless_gloves
3	5		1girl, black_bodysuit, bodysuit_under_clothes, bow_hairband, collared_shirt, dynamax_band, holding_poke_ball, knee_pads, partially_fingerless_gloves, print_shirt, print_shorts, short_sleeves, single_glove, solo, tied_shirt, ultra_ball, barefoot, closed_mouth, eyelashes, side_slit_shorts, looking_at_viewer, toes
4	5		1girl, bodysuit_under_clothes, holding_poke_ball, looking_at_viewer, shirt, short_sleeves, solo, ultra_ball, black_bodysuit, covered_navel, shorts, wristband, single_glove, character_name, knee_pads
5	13		1girl, black_bodysuit, bodysuit_under_clothes, closed_mouth, print_shirt, print_shorts, short_sleeves, single_glove, collared_shirt, dynamax_band, solo, tied_shirt, covered_navel, partially_fingerless_gloves, bow_hairband, eyelashes, looking_at_viewer, side_slit_shorts, clenched_hands, simple_background, white_background, hands_up
6	7		1boy, 1girl, hetero, open_mouth, pussy, solo_focus, ass, uncensored, looking_back, vaginal, veiny_penis, anus, black_bodysuit, blush, gloves, sweat, torn_bodysuit, barefoot, clothed_female_nude_male, clothed_sex, looking_at_viewer, nipples, pov, short_sleeves, soles, toes

表格版本

#	样本数量	图像示例	1girl	barefoot	black_bodysuit	bodysuit_under_clothes	covered_navel	holding_poke_ball	knee_pads	leg_up	print_shirt	short_sleeves	single_glove	solo	closed_mouth	feet	standing_on_one_leg	toes	ultra_ball	collared_shirt	dynamax_band	print_shorts	wristband	tied_shirt	looking_at_viewer	partially_fingerless_gloves	blonde_hair	simple_background	clenched_hand	bow_hairband	eyelashes	side_slit_shorts	shirt	shorts	character_name	clenched_hands	white_background	hands_up	1boy	hetero	open_mouth	pussy	solo_focus	ass	uncensored	looking_back	vaginal	veiny_penis	anus	blush	gloves	sweat	torn_bodysuit	clothed_female_nude_male	clothed_sex	nipples	pov	soles
0	5		X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
1	5		X	X	X	X	X	X	X	X	X	X	X	X	X				X	X	X	X	X	X	X	X	X	X
2	11		X		X	X	X	X			X	X	X	X	X				X	X	X	X		X	X	X			X
3	5		X	X	X	X		X	X		X	X	X	X	X			X	X	X	X	X		X	X	X				X	X	X
4	5		X		X	X	X	X	X			X	X	X					X				X		X								X	X	X
5	13		X		X	X	X				X	X	X	X	X					X	X	X		X	X	X		X		X	X	X				X	X	X
6	7		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

该数据集聚焦于宝可梦系列中的角色saitou，收录了500张图像及其对应的标签信息。数据采集自Danbooru、Pixiv、Zerochan等多个图像平台，借助DeepGHS团队开发的自动化爬取系统完成。构建过程中，对角色核心标签如短发、深色皮肤、灰色眼睛等进行了精简处理。数据集提供多种预处理版本，包括原始元数据包、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，以适应不同的模型训练需求。

特点

该数据集的核心特色在于其精细的标签体系与多版本结构。图像均附有详尽的标签描述，覆盖角色外观、服饰、动作及场景要素，并通过聚类分析呈现了七组典型风格，如战斗装束、日常便服等，便于用户挖掘角色在不同情境下的视觉特征。数据集同时提供了原始未裁剪与多尺度裁剪版本，其中三阶段裁剪数据集通过智能分割生成了1307个子图，有效增加了样本多样性，为文本到图像生成任务提供了丰富的训练素材。

使用方法

用户可通过HuggingFace 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，具体流程为：首先利用huggingface_hub库下载dataset-raw.zip文件，解压至指定目录后，通过LocalSource接口即可逐项读取图像及元数据标签。对于需要直接使用标准化数据的场景，可选择800或1200像素版本，无需额外处理。此外，数据集附带的聚类结果以文本和表格形式呈现，用户可参考其进行标签筛选或风格迁移实验。

背景与挑战

背景概述

在生成式人工智能与数字娱乐领域交融的浪潮中，面向特定角色或风格的高质量图像-文本配对数据集，已成为驱动文本到图像生成模型精准创作的核心基石。CyberHarem/saitou_pokemon数据集由DeepGHS团队于近年构建，聚焦于宝可梦系列中的人气角色“彩豆”（saitou）。该数据集的核心研究问题在于，如何通过系统性地搜集与标注来自Danbooru、Pixiv、Zerochan等多源平台的500幅图像，为动漫风格的角色定制化生成任务提供标准化训练素材。其影响力体现在为LoRA微调、概念注入等前沿技术提供了精准锚点，推动了二次元角色生成领域从通用模型向个性化表达的纵深演进。

当前挑战

该数据集所面对的挑战首先根植于领域问题的复杂性：动漫角色形象在发型、服饰、姿态等视觉要素上高度多变，且文本标签需精确映射到“短灰发、深色皮肤、发带”等细微属性，这对图像分类与文本对齐的细粒度提出了严苛要求。其次，构建过程中面临多重技术瓶颈：从多源网站自动爬取时需应对图像分辨率不一、版权水印干扰及元数据缺失的困境；同时，对图像进行多尺度裁剪（如480x480像素区域限定）与标签聚类时，需平衡数据完整性、存储效率与模型训练的可复现性，这构成了数据集工程化落地的核心难点。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/saitou_pokemon 数据集为特定动漫角色的可控生成提供了精致的训练资源。该数据集收录了宝可梦角色“小霞”的500张图像及其详细标签，涵盖了发型、肤色、服饰等核心属性。研究者常利用该数据集对扩散模型进行微调，以实现对角色外观、姿态和背景的精准控制。其多分辨率版本（如800px与1200px）及三级裁剪数据包，适应了不同生成任务对图像细节与计算效率的权衡需求，成为角色定制化生成研究的经典基准。

解决学术问题

该数据集系统性地解决了动漫角色图像生成中数据稀疏与标注不统一的学术难题。通过整合Danbooru、Pixiv等多源平台的图像，并采用自动爬取与标签清洗流程，构建了高质量、标准化的角色画像库。它使研究者能够量化分析不同标签（如“短发”、“深色皮肤”）对生成结果的影响，推动了细粒度属性解耦、多模态对齐以及少样本学习等方向的理论进展。其开源特性促进了生成模型可解释性与公平性评估的规范化，为图像合成领域树立了数据标杆。

衍生相关工作

围绕该数据集衍生出一系列经典工作，包括基于LoRA（低秩适应）的高效微调方法，显著降低了角色定制对计算资源的需求；以及利用标签聚类结果进行概念分解的生成框架，实现了对角色服饰、配饰等组件的独立控制。此外，该数据集还催生了跨角色风格迁移与混合角色生成的研究，如将小霞的特征融合到其他宝可梦角色中。这些工作不仅深化了文本到图像生成的技术边界，也为动漫IP的数字化运营提供了方法论支撑。