CyberHarem/kisaragi_kantaicollection

这是如月（Kisaragi）角色的数据集，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团队提供支持。数据集的核心标签包括`long_hair, hair_ornament, brown_hair, purple_eyes, hair_between_eyes`，这些标签在数据集中已被修剪。

This is a dataset for the character Kisaragi, consisting of 500 images and their corresponding tags. The images were crawled from multiple websites including danbooru, pixiv, zerochan, and others, with the crawling system powered by the DeepGHS Team. The core tags of the dataset are `long_hair, hair_ornament, brown_hair, purple_eyes, hair_between_eyes`, and dataset pruning has been conducted based on these tags.

原始信息汇总

数据集概述

数据集信息

• 名称: Dataset of kisaragi/如月/如月 (Kantai Collection)
• 描述: 包含500张图片及其标签的数据集，主题为kisaragi/如月/如月（舰队收藏）。
• 核心标签: long_hair, hair_ornament, brown_hair, purple_eyes, hair_between_eyes
• 来源: 从多个网站（如danbooru, pixiv, zerochan等）爬取。
• 许可证: MIT
• 任务类别: text-to-image
• 标签: art, not-for-all-audiences
• 规模: n<1K

数据包列表

名称	图片数量	大小	类型	描述
raw	500	514.98 MiB	Waifuc-Raw	包含元信息的原始数据（最小边对齐到1400像素，如果更大）。
800	500	316.96 MiB	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	1209	693.73 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。
1200	500	464.61 MiB	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	1209	934.24 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	图片示例	标签
0	22		1girl, green_sailor_collar, green_skirt, pleated_skirt, red_neckerchief, serafuku, solo, crescent_pin, looking_at_viewer, smile, white_background, cowboy_shot, black_jacket, black_thighhighs, simple_background
1	11		1girl, blush, long_sleeves, red_neckerchief, serafuku, simple_background, solo, crescent_pin, green_skirt, jacket, pleated_skirt, smile, white_background, closed_mouth, green_sailor_collar, looking_at_viewer, twitter_username, purple_hair, one-hour_drawing_challenge, black_thighhighs, cowboy_shot
2	12		1girl, green_sailor_collar, red_neckerchief, serafuku, smile, solo, upper_body, looking_at_viewer, blue_jacket, crescent_pin, white_background, simple_background
3	8		1girl, serafuku, smile, solo, looking_at_viewer, pleated_skirt, black_thighhighs, brown_eyes
4	16		1girl, solo, white_shirt, blue_skirt, looking_at_viewer, smile, blush, short_sleeves, alternate_costume, collarbone, earrings, off-shoulder_shirt, white_background, open_mouth, simple_background, cowboy_shot, striped_skirt
5	7		1girl, looking_at_viewer, solo, twitter_username, blush, navel, smile, collarbone, cowboy_shot, simple_background, small_breasts, brown_eyes, cleavage, medium_breasts, one-hour_drawing_challenge, white_background, white_bikini, purple_hair
6	7		1girl, cleavage, looking_at_viewer, medium_breasts, solo, blush, collarbone, navel, outdoors, smile, blue_sky, cloud, cowboy_shot, day, bangs, ocean, white_bikini, closed_mouth, crescent_pin, frilled_bikini, front-tie_bikini_top, jacket, open_mouth, purple_hair, side-tie_bikini_bottom
7	6		1girl, looking_at_viewer, smile, solo, enmaided, maid_apron, white_apron, frilled_apron, maid_headdress, open_mouth, simple_background, white_background, black_dress, blush, breasts, brown_eyes, cowboy_shot, heart, puffy_sleeves, ribbon, short_sleeves, waist_apron, wrist_cuffs
8	12		kimono, 1girl, obi, alternate_costume, smile, solo, floral_print, looking_at_viewer, blush, purple_hair, wide_sleeves, long_sleeves, open_mouth
9	8		1girl, looking_at_viewer, red_dress, smile, solo, alternate_costume, christmas, black_thighhighs, blush, red_capelet, santa_costume, cowboy_shot, open_mouth, frilled_dress, fur-trimmed_dress, holding, bangs, brown_gloves, gift, pom_pom_(clothes), purple_hair, sack, standing, yellow_bow

搜集汇总

数据集介绍

构建方式

该数据集聚焦于《舰队Collection》中的角色如月，收录了500幅图像及其对应的标签。数据源自Danbooru、Pixiv、Zerochan等多个站点，由DeepGHS团队开发的自动化爬取系统完成采集。构建过程中，对角色核心标签（如长发、棕色发、紫瞳等）进行了精简处理。数据集提供了多种规格的压缩包，包括原始元数据包、短边不超过800或1200像素的标准化版本，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

数据集的一大特色在于其丰富的标签聚类结果，通过分析可将图像按服饰、场景等特征划分为多个簇，例如水手服、比基尼、女仆装、和服及圣诞装等，便于研究者挖掘角色的不同装扮风格。所有图像均附带详细标签，且经过核心标签的剪枝处理，降低了冗余信息。此外，数据集支持通过Waifuc工具直接加载原始包，提供了灵活的接口供用户自定义处理流程。

使用方法

用户可通过Hugging Face Hub直接下载数据集压缩包。推荐使用Waifuc库加载原始数据，只需下载‘dataset-raw.zip’并解压至本地目录，即可利用LocalSource迭代访问图像及元数据（包括文件名与标签）。对于训练文本到图像模型，可选择800或1200像素的标准化版本，或使用三阶段裁剪后的增强版本以提升图像质量。标签聚类结果以表格形式提供，可直接用于分析角色常见外观组合。

背景与挑战

背景概述

在生成式人工智能的浪潮中，文本到图像（Text-to-Image）模型的发展对高质量、细粒度的动漫角色数据集提出了迫切需求。CyberHarem/kisaragi_kantaicollection数据集应运而生，由DeepGHS团队于近期创建并发布，旨在为《舰队Collection》中的人气角色“如月”（Kisaragi）提供一套标准化、多尺度的视觉素材。该数据集的核心研究问题聚焦于如何通过自动爬取与多阶段裁剪技术，为特定动漫角色构建一个兼具完整性与可操作性的图像-标签配对资源。其影响力体现在为动漫风格生成模型的微调与评估提供了精准的素材，尤其有助于提升模型对角色特定服饰、发型及场景（如校服、泳装）的生成忠实度，推动了二次元领域细粒度图像生成的研究边界。

当前挑战

该数据集所面临的挑战具有双重性。在领域问题层面，它致力于解决动漫角色生成中存在的“概念混淆”与“细节缺失”难题，即如何通过有限且高质的样本（仅500张原始图像）来准确捕捉如月这一角色的核心视觉特征（如棕色长发、紫色眼眸），并有效区分其在不同场景下的变体（如水手服与和服）。在构建过程中，挑战则源于数据清洗与标注的一致性：由于图像来源多样（Danbooru、Pixiv等），标签体系存在差异，需要依赖自动化工具进行去重、裁剪与标签修剪，同时确保如“crescent_pin”等细微配饰的标注无误，避免因标签噪声影响下游模型的训练质量。

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/kisaragi_kantaicollection数据集为基于文本到图像（text-to-image）生成模型的微调与个性化创作提供了核心支撑。该数据集收录了500张《舰队Collection》中如月（如月）角色的高质量图像及其详尽标签，涵盖水手服、巫女装、圣诞服等多元服饰变体。研究者常以此数据集作为基准，训练模型精准捕捉角色标志性特征，如棕色长发、紫色瞳孔与新月发饰，从而在保持角色身份一致性的前提下，实现多风格、多场景的图像生成。这一经典使用范式不仅验证了扩散模型在二次元角色定制中的潜力，也推动了可控生成技术在虚拟角色创作中的标准化进程。

实际应用

在实际应用层面，该数据集为二次元内容创作产业提供了高效的技术支撑。游戏开发商可利用其对《舰队Collection》如月角色进行快速衍生设计，生成符合原作风格的立绘、表情包或宣传素材，大幅降低美术资源制作成本。个人创作者与虚拟主播运营方亦可借助微调后的模型，定制专属角色形象，实现从静态插画到动态交互的跨越。此外，数据集的多版本打包格式（如waifuc兼容的原始数据与裁剪数据）简化了工程部署流程，使得非专业开发者也能轻松集成至自建工作流中，有力推动了AI辅助创作工具在动漫社区中的普及与迭代。

衍生相关工作

基于该数据集，学术界与工业界衍生出一系列具有影响力的工作。例如，DeepGHS团队利用其构建的waifuc框架，实现了从多源网站（如Danbooru、Pixiv）自动爬取、清洗与标注动漫图像的全链路流水线，为后续数据集建设提供了可复现的技术范式。在模型层面，研究者以此数据集为测试基准，提出了面向角色一致性保持的局部注意力注入方法，以及基于标签聚类先验的多阶段扩散生成策略。这些工作不仅深化了对标签语义与生成质量之间关系的理解，还催生了如角色定制化LoRA（Low-Rank Adaptation）微调等轻量化技术，使得在消费级GPU上完成高质量二次元图像生成成为可能。