CyberHarem/erika_pokemon

这是一个名为erika (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团队开发。数据集的核心标签包括`short_hair, black_hair, hairband, breasts, bangs, red_hairband`，这些标签在数据集中被修剪。

This is a dataset named erika (Pokémon), which contains 500 images and their corresponding labels. The images were crawled from multiple websites such as danbooru, pixiv, zerochan and others, and the crawling system was developed by the DeepGHS team. The core tags of the dataset include `short_hair, black_hair, hairband, breasts, bangs, red_hairband`, and these tags are used for dataset pruning.

原始信息汇总

数据集概述

基本信息

• 数据集名称: Dataset of erika (Pokémon)
• 许可证: MIT
• 任务类别: text-to-image
• 标签: art, not-for-all-audiences
• 数据量: n<1K

数据内容

• 图像数量: 500
• 核心标签: short_hair, black_hair, hairband, breasts, bangs, red_hairband

数据包列表

名称	图像数量	大小	类型	描述
raw	500	524.61 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	323.37 MiB	IMG+TXT	短边不超过800像素的数据集
stage3-p480-800	1102	628.06 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素
1200	500	469.86 MiB	IMG+TXT	短边不超过1200像素的数据集
stage3-p480-1200	1102	845.01 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	标签
0	15	1girl, official_alternate_costume, smile, grey_eyes, closed_mouth, eyelashes, solo, looking_at_viewer, green_dress, green_hairband, hair_flower, short_sleeves, yellow_hairband, blush, long_sleeves, white_flower
1	12	1girl, kimono, smile, solo, blush, brown_eyes, open_mouth, looking_at_viewer
2	11	1girl, holding_poke_ball, poke_ball_(basic), smile, solo, brown_eyes, yellow_kimono, blush, looking_at_viewer, wide_sleeves
3	7	1girl, closed_mouth, green_kimono, smile, holding_poke_ball, looking_at_viewer, poke_ball_(basic), solo, wide_sleeves, blush, eyelashes, grey_eyes, long_sleeves, hands_up, hakama
4	14	1girl, hakama_skirt, solo, long_sleeves, simple_background, white_background, wide_sleeves, looking_at_viewer, closed_mouth, red_hakama, standing, black_eyes, smile, yellow_kimono, full_body, blush, sandals, tabi, white_socks, grey_eyes, eyelashes, headband
5	5	1girl, blush, nipples, solo, black_eyes, large_breasts, open_clothes, naked_kimono, navel, nude, pussy, uncensored, yellow_kimono
6	9	1boy, 1girl, hetero, nipples, blush, sex, solo_focus, vaginal, large_breasts, pussy, female_pubic_hair, smile, collarbone, girl_on_top, kimono, no_bra, nude, cowgirl_position, mosaic_censoring, no_panties, penis, spread_legs, sweat
7	5	1girl, blush, hetero, nipples, sex, solo_focus, 1boy, bar_censor, cum_in_pussy, kimono, large_breasts, open_mouth, penis, vaginal, on_back, spread_legs, bound, brown_eyes, hakama, missionary, poke_ball, socks, tears
8	13	1girl, 1boy, hetero, blush, large_breasts, nude, open_mouth, tongue_out, licking_penis, nipples, solo_focus, kimono, mosaic_censoring, black_eyes, cum_in_mouth, facial, grey_eyes, saliva, simple_background
9	6	1girl, brown_eyes, hetero, medium_breasts, mosaic_censoring, solo_focus, cum_on_body, dark-skinned_male, headband, multiple_boys, multiple_penises, cum_string, empty_eyes, fat_man, navel, nipples, nude, brown_hair, cum_in_mouth, gangbang, interracial, mind_control
10	9	navel, smile, 1girl, blush, collarbone, cleavage, large_breasts, green_bikini, looking_at_viewer, outdoors, sarong, sitting, solo, bare_shoulders, barefoot, beach, day, sky
11	5	1girl, armpit_hair, blush, female_pubic_hair, huge_breasts, nipples, solo, sweat, armpits, erection, excessive_pubic_hair, huge_penis, large_areolae, large_penis, nude, futanari, headband, navel, open_mouth, smile, steaming_body, abs, arm_behind_head, bar_censor, bob_cut, foreskin, gigantic_breasts, gloves, green_background, large_testicles, looking_at_viewer, mosaic_censoring, muscular_female, precum, shiny_skin, simple_background, thighs, veiny_penis

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艾莉佳，通过自动化爬虫系统从Danbooru、Pixiv、Zerochan等多个知名图像站点采集原始图像，并经过去重与筛选后，最终收录了500张高质量图片及其对应的标签信息。数据集由DeepGHS团队开发的Waifuc框架支撑构建，提供了多种预处理版本，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、面积不小于480×480像素的增强版本，以满足不同训练需求。

特点

数据集以角色核心标签（如短发、黑发、发带、胸部、刘海、红色发带）为基础进行精简，同时保留了丰富的图像变体，涵盖官方换装、和服、泳装等多样造型。通过标签聚类分析，数据集中可挖掘出多类服饰与场景组合，例如绿裙配花饰、黄和服持精灵球、海滩比基尼等，并包含部分成人向内容。每个样本均附带详细的元数据，便于研究者进行细粒度分类或风格迁移实验。

使用方法

数据集可通过HuggingFace Hub直接下载各压缩包，并提供了与Waifuc框架集成的Python加载示例。用户首先使用`hf_hub_download`函数获取原始ZIP文件，解压至本地目录后，通过`LocalSource`类即可迭代访问图像及其文件名与标签。此外，数据集还提供了标签聚类结果的文本与表格版本，展示样本分组及对应标签，便于快速浏览角色特征分布或筛选特定子集用于下游任务。

背景与挑战

背景概述

在文本到图像生成领域，高质量、细粒度的数据集是推动模型性能提升的关键基石。CyberHarem/erika_pokemon数据集由DeepGHS团队于近期创建，专注于宝可梦系列中的角色艾莉佳（Erika）。该数据集包含500张经过精细标注的图像，每张图像均附有描述其视觉属性（如发型、着装、表情）的标签，旨在为动漫角色驱动的图像生成任务提供标准化资源。通过从Danbooru、Pixiv等多个平台自动爬取并清洗数据，该研究致力于解决动漫角色数据分散、标注不一致的问题，为微调扩散模型或进行角色定制化生成提供了高质量的训练素材。其影响力体现在为二次元图像生成社区建立了可复用的数据基准，促进了角色一致性与风格迁移等方向的研究。

当前挑战

该数据集面临的核心挑战在于多维度问题的交织。首先，在领域应用层面，动漫角色生成需克服风格多样性（如从官方立绘到同人创作）与角色身份保持之间的平衡，而当前500张样本的规模可能难以覆盖艾莉佳在不同场景（如泳装、和服）下的完整视觉特征，导致模型泛化能力受限。其次，构建过程中，自动爬取系统虽高效，却引入了标签噪声（如部分图像含裸露或性暗示内容）和版权风险，需依赖人工审核与聚类分析（如表中10个簇）进行过滤，但仍有少量低质量或争议性样本残留。此外，数据集的标注粒度（如仅含核心标签）限制了其对细粒度属性（如饰品变化）的建模能力，且多源数据的分辨率差异（如800px与1200px版本）可能影响训练稳定性。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/erika_pokemon 数据集为基于扩散模型的角色定制化生成提供了精细化的训练素材。该数据集收录了宝可梦系列中角色“艾莉佳”的500幅高质量图像及其对应的语义标签，涵盖了从经典和服到泳装、从单人肖像到复杂互动场景的多样化视觉呈现。研究者常利用此数据集微调Stable Diffusion等模型，使其能够精准捕捉艾莉佳的黑发、短发、发带等核心外貌特征，并生成符合特定风格或情境的新图像。此外，数据集中提供的多分辨率版本（如800px和1200px）以及三阶段裁剪版本，极大便利了不同计算资源下的实验配置，使之成为角色一致性生成研究的基准数据之一。

实际应用

在实际应用中，CyberHarem/erika_pokemon 数据集支撑了多项面向二次元文化社区的创意工具开发。基于该数据集微调的生成模型可被集成到虚拟偶像创作平台、同人画作辅助生成器以及游戏角色概念设计系统中。例如，创作者可以通过输入简单的标签组合（如“kimono”和“smile”）快速生成符合原作风格的角色插画，从而极大降低美术创作的时间成本。此外，该数据集中的多姿态与多服装聚类结果可直接用于自动化角色换装系统或三视图生成管线，服务于游戏角色立绘的快速原型设计。这些应用不仅提升了创作效率，也拓展了AI在数字娱乐产业中的实用边界。

衍生相关工作

CyberHarem/erika_pokemon 数据集的发布催生了一系列围绕角色专属微调与数据增强的后续工作。在模型层面，研究者基于该数据集探索了DreamBooth、LoRA和Textual Inversion等个性化生成方法在动漫角色上的适配效果，验证了少量样本即可实现高保真角色再现的能力。在数据层面，该数据集的标签聚类结果启发了半自动化的角色-属性解耦标注流程，相关方法被推广至CyberHarem系列中其他宝可梦角色的数据集构建。同时，该数据集也被用于评估图像生成模型在保持角色身份一致性方面的性能基准，成为诸如“角色保持生成挑战赛”等学术竞赛的参考数据源之一。