CyberHarem/sims_azurlane

这是《碧蓝航线》中西姆斯（シムス/Sims）角色的数据集，包含100张图像及其标签。该角色的核心标签包括`animal_ears, cat_ears, long_hair, green_eyes, white_hair, animal_ear_fluff, bangs, parted_bangs, two_side_up, breasts`，这些标签在数据集中已被修剪。图像从多个网站（如danbooru、pixiv、zerochan等）爬取，自动爬取系统由DeepGHS团队提供。数据集提供了多个版本，包括原始数据、不同尺寸的图像以及经过裁剪的图像。

原始信息汇总

数据集概述

基本信息

• 名称: sims/シムス/西姆斯 (Azur Lane)
• 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

• 包含: 100张图像及其标签
• 核心标签: animal_ears, cat_ears, long_hair, green_eyes, white_hair, animal_ear_fluff, bangs, parted_bangs, two_side_up, breasts

数据集下载

包列表

名称	图像数量	大小	下载链接	类型	描述
raw	100	101.38 MiB	下载	Waifuc-Raw	原始数据，包含元信息（最小边对齐到1400像素）
800	100	62.05 MiB	下载	IMG+TXT	短边不超过800像素的图像数据
stage3-p480-800	236	134.12 MiB	下载	IMG+TXT	三阶段裁剪数据，区域不小于480x480像素
1200	100	94.28 MiB	下载	IMG+TXT	短边不超过1200像素的图像数据
stage3-p480-1200	236	188.49 MiB	下载	IMG+TXT	三阶段裁剪数据，区域不小于480x480像素

数据集加载

• 加载工具: waifuc
• 加载代码: python import os import zipfile

from huggingface_hub import hf_hub_download from waifuc.source import LocalSource

download raw archive file

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

extract files to your directory

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

load the dataset with waifuc

source = LocalSource(dataset_dir) for item in source: print(item.image, item.meta[filename], item.meta[tags])

集群列表

集群示例

#	样本数	图像示例	标签
0	13	至	1girl, black_gloves, elbow_gloves, solo, white_background, white_dress, american_flag_print, black_thighhighs, blush, fingerless_gloves, looking_at_viewer, print_necktie, simple_background, sleeveless_dress, very_long_hair, open_mouth, :3, black_jacket, closed_mouth, collarbone, extra_ears, :d, bare_shoulders, boots, full_body, grey_footwear, standing
1	14	至	1girl, bare_shoulders, solo, white_sailor_collar, blush, looking_at_viewer, sleeveless_shirt, white_background, black_gloves, black_shirt, fingerless_gloves, collarbone, black_hairband, red_collar, simple_background, very_long_hair, :3, belt_collar, closed_mouth, forehead, red_necktie, white_skirt, blue_eyes, fingernails, vest, heart, neckerchief, thighhighs, :d, garter_straps, open_mouth

搜集汇总

数据集介绍

构建方式

该数据集聚焦于《碧蓝航线》中的角色西姆斯（Sims/シムス），精心收录了100张图像及其对应标签。数据集的构建依托于DeepGHS团队开发的自动化爬取系统，从Danbooru、Pixiv、Zerochan等多个知名图站采集原始素材。为确保数据质量与一致性，系统对图像进行了标准化处理，例如将最小边对齐至1400像素。此外，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像素的压缩版，以及经过三阶段裁剪、确保有效区域不低于480×480像素的精细版，以满足不同训练需求。每个版本均以IMG+TXT格式封装，便于直接用于文本到图像生成模型的训练。

特点

该数据集的核心特色在于其针对性的标签体系与精细化的版本设计。数据集明确标注了角色的核心标签，如兽耳、猫耳、长发、绿瞳、白发等，并进行了精简处理，聚焦于角色最具辨识度的视觉元素。通过标签聚类分析，数据集还揭示了不同服装搭配的潜在模式，例如“白色连衣裙与美利坚国旗图案”或“白色水手领与黑色手套”等风格簇，为风格迁移与角色变体生成提供了丰富的语义线索。此外，数据集提供了从原始高分辨率到多种压缩与裁剪版本的灵活选择，兼顾了训练效率与图像细节的保留。

使用方法

该数据集的使用方式灵活多样，主要支持通过Waifuc库加载原始数据。用户可通过Hugging Face Hub下载dataset-raw.zip压缩包，解压后利用Waifuc的LocalSource接口轻松读取图像及其元信息（包括文件名与标签），从而快速构建自定义的训练流水线。对于需要直接使用预处理图像的场景，数据集提供了多种分辨率的IMG+TXT格式压缩包，用户可直接解压后用于训练或推理。此外，标签聚类结果以表格形式呈现，可作为数据探索、风格分析或数据增强的参考依据，帮助研究者深入理解角色特征与视觉模式的关联。

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）模型的飞速发展对高质量、精细化标注的数据集提出了迫切需求。CyberHarem/sims_azurlane数据集应运而生，由DeepGHS团队于近年创建，专注于《碧蓝航线》中的角色“西姆斯”。该数据集的核心研究问题在于如何为动漫风格角色构建一个兼具图像多样性与标签精确性的小样本数据集，以支持模型对特定角色特征（如猫耳、白发、绿瞳等）的精准学习与生成。尽管仅有100张图像，但其通过多源爬取（Danbooru、Pixiv等）和自动化标注系统，为动漫角色定制化生成任务提供了宝贵的基准资源，推动了二次元领域细粒度图像生成的研究进展。

当前挑战

该数据集面临的核心挑战首先在于领域问题的复杂性：动漫角色生成不仅要求模型掌握通用图像分类与生成能力，更需精确捕捉角色独有的细微视觉特征（如特定发型、装饰物及表情），这对小样本学习下的特征泛化与过拟合控制提出了严峻考验。其次，构建过程中挑战重重：多源图像爬取需应对不同网站的版权与格式差异，自动化标注系统虽高效，却难以完全避免标签噪声与语义歧义；此外，数据量仅百张，需通过多尺度裁剪（如480x480至1200像素）与聚类分析来扩充有效样本，但如何平衡图像分辨率与计算资源、确保裁剪后语义完整性，仍是亟待解决的工程难题。

常用场景

经典使用场景

该数据集聚焦于《碧蓝航线》中的角色西姆斯，精心收集了100张高质量图像及其对应标签，涵盖多种姿态与服饰变体。在文本到图像生成领域，它常被用作特定角色风格迁移与特征保持的基准数据集，研究者可基于其提供的多分辨率版本（如800像素、1200像素）及三级裁剪版本，训练或微调扩散模型，精准捕捉角色核心标签（如猫耳、白发、绿瞳）的视觉语义，实现从文本描述到角色专属图像的高保真生成。

实际应用

在实际应用中，该数据集可支撑游戏产业中角色立绘的自动化创作与个性化定制，例如基于用户输入文本快速生成西姆斯的不同服装变体或场景插画。此外，它还能赋能虚拟偶像运营中的内容批量生产，降低美术团队在角色一致性维护上的成本，并可用于二次创作社区中角色衍生作品的风格统一化工具开发。

衍生相关工作

该数据集衍生出的代表性工作包括基于Waifuc框架的自动标注与数据管线优化，以及利用三级裁剪策略提升训练样本多样性的方法。此外，标签聚类分析为角色服饰解耦研究提供了新思路，催生了面向动漫角色的属性分离生成模型（如角色-服装联合生成网络），并推动了少样本条件下角色身份保持的对比学习技术发展。