CyberHarem/tiamat_granbluefantasy

这是一个名为tiamat (Granblue Fantasy)的数据集，包含31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。数据集的核心标签包括`long_hair, blue_hair, pointy_ears, breasts, very_long_hair, red_eyes, large_breasts`，这些标签在数据集中被修剪。数据集提供了不同分辨率的图像数据以及经过裁剪的图像数据，并提供了如何使用waifuc加载原始数据集的代码示例。

原始信息汇总

数据集概述

数据集信息

• 名称: Dataset of tiamat (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

数据内容

• 图像数量: 31张
• 核心标签: long_hair, blue_hair, pointy_ears, breasts, very_long_hair, red_eyes, large_breasts

数据包列表

名称	图像数量	大小	类型	描述
raw	31	23.70 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	31	19.04 MiB	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	57	31.81 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。
1200	31	22.79 MiB	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	57	37.31 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。

数据加载

使用Waifuc加载原始数据集

python import os import zipfile from huggingface_hub import hf_hub_download from waifuc.source import LocalSource

下载原始归档文件

zip_file = hf_hub_download( repo_id=CyberHarem/tiamat_granbluefantasy, repo_type=dataset, filename=dataset-raw.zip, )

提取文件到指定目录

dataset_dir = dataset_dir os.makedirs(dataset_dir, exist_ok=True) with zipfile.ZipFile(zip_file, r) as zf: zf.extractall(dataset_dir)

使用waifuc加载数据集

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	Img-1	Img-2	Img-3	Img-4	Img-5	标签
0	31						1girl, solo, bare_shoulders, navel, cleavage, looking_at_viewer

表格版本

#	样本数量	Img-1	Img-2	Img-3	Img-4	Img-5	1girl	solo	bare_shoulders	navel	cleavage	looking_at_viewer
0	31						X	X	X	X	X	X

搜集汇总

数据集介绍

构建方式

在二次元角色图像生成领域，高质量、标签精准的数据集是模型训练的基础。本数据集聚焦于《碧蓝幻想》中的角色提亚马特，通过自动化爬虫系统从Danbooru、Pixiv、Zerochan等多个知名图站采集原始图像，并辅以人工筛选与标签精简，最终收录31张图像。数据集提供了raw、800、1200及stage3-p480-800、stage3-p480-1200等多种分辨率与裁剪版本的压缩包，其中raw版本保留完整元信息，而裁剪版本则通过三级裁剪策略确保图像有效区域不低于480×480像素，兼顾了数据多样性与训练效率。

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存储结构。图像均附有核心标签如长蓝发、尖耳、红眼等，并经过冗余标签修剪，使特征表达更为凝练。数据集提供了从原始高分辨率到适配不同训练需求的缩放版本，以及针对注意力区域优化的裁剪版本，显著提升了在文本到图像生成任务中的适用性。此外，数据集还提供了基于标签聚类的分组结果，便于研究者挖掘角色在不同场景下的共性视觉模式。

使用方法

使用者可依据训练资源与目标灵活选择数据集版本。对于需要原始元信息的场景，推荐通过Waifuc库加载raw版本，利用其提供的图像、文件名与标签元数据进行自定义处理。具体操作上，可通过Hugging Face Hub下载对应zip压缩包，解压后使用LocalSource接口逐项遍历数据。若追求轻量化或特定分辨率训练，可直接选用800或1200版本，而针对细节敏感的任务，stage3裁剪版本能提供更聚焦的图像区域。

背景与挑战

背景概述

在生成式人工智能与数字艺术交汇的浪潮中，面向特定角色的图像-文本配对数据集成为推动文本到图像生成模型精细化发展的关键基石。CyberHarem团队于近期创建的tiamat_granbluefantasy数据集，聚焦于《碧蓝幻想》中的经典角色提亚马特，旨在为动漫风格的角色生成提供高质量的训练素材。该数据集由DeepGHS团队主导开发，其核心研究问题在于如何通过自动爬取与多源整合技术，构建一个包含31张图像及其详尽标签的小规模但高保真的角色数据集。尽管数据量有限，但该数据集通过精准的标签剪枝（如保留long_hair、blue_hair等核心特征）和多种尺寸版本（如800px、1200px及三级裁剪版本）的提供，为后续的模型微调与角色一致性生成研究奠定了重要基础，在动漫角色生成领域展现出独特的影响力。

当前挑战

该数据集面临的首要挑战源于其规模与领域特性的矛盾：仅31张图像的数据量难以支撑大规模深度学习模型对角色多样性的泛化需求，尤其在处理复杂姿势、多角度视角及不同光照条件下的生成任务时，容易导致过拟合或细节缺失。此外，构建过程中需应对多源数据（如Danbooru、Pixiv）的版权与质量差异问题，自动爬取系统虽由DeepGHS团队提供支持，但图像分辨率不一、标签噪声及跨平台标注风格的不一致性，均对数据清洗与标准化提出了严峻考验。同时，如何在保持角色核心特征（如尖耳、红眼）的同时，通过三级裁剪策略有效扩充训练样本（从31张增至57张），并确保裁剪后的图像区域不丢失关键语义信息，亦是该数据集在构建与优化中亟待解决的独特难题。

常用场景

经典使用场景

该数据集聚焦于《碧蓝幻想》中角色提亚马特的视觉素材，包含31张高质量图像及其关联标签，核心标签涵盖长蓝发、尖耳、红瞳等标志性特征。在文本到图像生成领域，它常被用作微调扩散模型（如Stable Diffusion）的专用数据源，通过少量但精准的样本学习角色视觉风格，使模型能够根据文本提示生成符合提亚马特外观特征的新图像。此外，数据集提供多种分辨率版本（如800px、1200px）和三级裁剪处理版本，便于研究者适配不同训练需求，是角色定制化图像生成任务中的经典小型基准数据集。

实际应用

在实际应用中，该数据集支撑了动漫角色IP的自动化内容创作。例如，游戏公司或同人创作者可利用此数据集微调模型，快速生成提亚马特的多种姿态、服装或场景变体，用于宣传素材、粉丝艺术或游戏内角色展示。数据集内嵌的标签聚类结果（如裸露肩部、露脐等）还能辅助生成特定风格图像，满足个性化定制需求。此外，其与waifuc库的兼容性简化了数据加载流程，使非专业用户也能轻松上手，降低了角色生成技术的使用门槛，在数字娱乐和虚拟偶像产业中具有实用价值。

衍生相关工作

该数据集衍生了一系列经典工作，尤其是在少样本角色生成与数据集构建工具链方面。基于其采集流程，DeepGHS团队开发了waifuc自动化爬取与标注系统，成为动漫图像数据集构建的常用工具。研究者在角色个性化生成任务中，常引用此数据集作为小样本学习的案例，对比不同微调策略（如DreamBooth、LoRA）在角色保真度上的表现。此外，数据集的标签聚类方法启发了后续工作，如通过标签共现分析挖掘角色服装变体，或利用三级裁剪策略提升训练图像质量，这些技术已被整合进更大型的角色数据集构建流程中，推动了整个领域的标准化发展。