CyberHarem/sangonomiya_kokomi_genshin

--- license: mit task_categories: - text-to-image tags: - art - not-for-all-audiences size_categories: - n<1K --- # Dataset of sangonomiya_kokomi/珊瑚宮心海/珊瑚宫心海 (Genshin Impact) This is the dataset of sangonomiya_kokomi/珊瑚宮心海/珊瑚宫心海 (Genshin Impact), containing 500 images and their tags. The core tags of this character are `long_hair, pink_hair, multicolored_hair, bow-shaped_hair, purple_eyes, bow, gradient_hair, blunt_bangs, very_long_hair, blue_hair, breasts, hair_ornament`, which are pruned in this dataset. Images are crawled from many sites (e.g. danbooru, pixiv, zerochan ...), the auto-crawling system is powered by [DeepGHS Team](https://github.com/deepghs)([huggingface organization](https://huggingface.co/deepghs)). ## List of Packages | Name | Images | Size | Download | Type | Description | Images-others | Images-head | |:-----------------|---------:|:---------|:----------------------------------------------------------------------------------------------------------------------------|:-----------|:---------------------------------------------------------------------|:----------------|:--------------| | raw | 500 | 1.35 GiB | [Download](https://huggingface.co/datasets/CyberHarem/sangonomiya_kokomi_genshin/resolve/main/dataset-raw.zip) | Waifuc-Raw | Raw data with meta information (min edge aligned to 1400 if larger). | -- | -- | | stage3-p480-1200 | 1396 | 2.10 GiB | [Download](https://huggingface.co/datasets/CyberHarem/sangonomiya_kokomi_genshin/resolve/main/dataset-stage3-p480-1200.zip) | IMG+TXT | 3-stage cropped dataset with the area not less than 480x480 pixels. | 933 | 463 | ### Load Raw Dataset with Waifuc We provide raw dataset (including tagged images) for [waifuc](https://deepghs.github.io/waifuc/main/tutorials/installation/index.html) loading. If you need this, just run the following code ```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/sangonomiya_kokomi_genshin', 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']) ``` ## List of Clusters List of tag clustering result, maybe some outfits can be mined here. ### Raw Text Version | # | Samples | Img-1 | Img-2 | Img-3 | Img-4 | Img-5 | Tags | |----:|----------:|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | 0 | 8 |  |  |  |  |  | 1girl, bare_shoulders, fish, frilled_sleeves, half_gloves, navel, short_shorts, solo, underwater, white_gloves, white_thighhighs, wide_sleeves, long_sleeves, vision_(genshin_impact), white_shorts, air_bubble, detached_collar, smile, blush, looking_at_viewer, closed_mouth, detached_sleeves | | 1 | 5 |  |  |  |  |  | 1girl, bare_shoulders, frilled_sleeves, half_gloves, looking_at_viewer, navel, short_shorts, solo, underwater, vision_(genshin_impact), white_gloves, white_shorts, white_thighhighs, wide_sleeves, closed_mouth, colored_tips, coral, jellyfish, smile, air_bubble, blue_bow, full_body, long_sleeves, blue_eyes, detached_sleeves, sandals | | 2 | 14 |  |  |  |  |  | 1girl, alternate_costume, looking_at_viewer, pleated_skirt, solo, sailor_collar, serafuku, white_shirt, colored_tips, sidelocks, blue_skirt, blush, bowtie, short_sleeves, black_skirt, closed_mouth, long_sleeves, neckerchief, ponytail, smile, white_thighhighs, blue_bow, blurry, miniskirt, parted_lips, simple_background, sitting, white_background | ### Table Version | # | Samples | Img-1 | Img-2 | Img-3 | Img-4 | Img-5 | 1girl | bare_shoulders | fish | frilled_sleeves | half_gloves | navel | short_shorts | solo | underwater | white_gloves | white_thighhighs | wide_sleeves | long_sleeves | vision_(genshin_impact) | white_shorts | air_bubble | detached_collar | smile | blush | looking_at_viewer | closed_mouth | detached_sleeves | colored_tips | coral | jellyfish | blue_bow | full_body | blue_eyes | sandals | alternate_costume | pleated_skirt | sailor_collar | serafuku | white_shirt | sidelocks | blue_skirt | bowtie | short_sleeves | black_skirt | neckerchief | ponytail | blurry | miniskirt | parted_lips | simple_background | sitting | white_background | |----:|----------:|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:--------|:-----------------|:-------|:------------------|:--------------|:--------|:---------------|:-------|:-------------|:---------------|:-------------------|:---------------|:---------------|:--------------------------|:---------------|:-------------|:------------------|:--------|:--------|:--------------------|:---------------|:-------------------|:---------------|:--------|:------------|:-----------|:------------|:------------|:----------|:--------------------|:----------------|:----------------|:-----------|:--------------|:------------|:-------------|:---------|:----------------|:--------------|:--------------|:-----------|:---------|:------------|:--------------|:--------------------|:----------|:-------------------| | 0 | 8 |  |  |  |  |  | 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 | X | X | X | | | | | | | | | | | | | | | | | | | | 2 | 14 |  |  |  |  |  | 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 | X | X |

原始信息汇总

数据集概述：sangonomiya_kokomi/珊瑚宮心海/珊瑚宫心海 (Genshin Impact)

数据集基本信息

• 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

• 包含内容：500张图像及其标签
• 核心标签：long_hair, pink_hair, multicolored_hair, bow-shaped_hair, purple_eyes, bow, gradient_hair, blunt_bangs, very_long_hair, blue_hair, breasts, hair_ornament

数据集来源

• 图像来源：danbooru, pixiv, zerochan等网站
• 自动爬虫系统：由DeepGHS Team提供

数据集包列表

Name	Images	Size	Download	Type	Description
raw	500	1.35 GiB	Download	Waifuc-Raw	Raw data with meta information (min edge aligned to 1400 if larger).
stage3-p480-1200	1396	2.10 GiB	Download	IMG+TXT	3-stage cropped dataset with the area not less than 480x480 pixels.

数据集使用

• 加载方式：支持使用waifuc加载，提供Python代码示例。

数据集标签聚类结果

聚类列表

#	Samples	Tags
0	8	1girl, bare_shoulders, fish, frilled_sleeves, half_gloves, navel, short_shorts, solo, underwater, white_gloves, white_thighhighs, wide_sleeves, long_sleeves, vision_(genshin_impact), white_shorts, air_bubble, detached_collar, smile, blush, looking_at_viewer, closed_mouth, detached_sleeves
1	5	1girl, bare_shoulders, frilled_sleeves, half_gloves, looking_at_viewer, navel, short_shorts, solo, underwater, vision_(genshin_impact), white_gloves, white_shorts, white_thighhighs, wide_sleeves, closed_mouth, colored_tips, coral, jellyfish, smile, air_bubble, blue_bow, full_body, long_sleeves, blue_eyes, detached_sleeves, sandals
2	14	1girl, alternate_costume, looking_at_viewer, pleated_skirt, solo, sailor_collar, serafuku, white_shirt, colored_tips, sidelocks, blue_skirt, blush, bowtie, short_sleeves, black_skirt, closed_mouth, long_sleeves, neckerchief, ponytail, smile, white_thighhighs, blue_bow, blurry, miniskirt, parted_lips, simple_background, sitting, white_background

搜集汇总

数据集介绍

构建方式

在动漫角色数据集构建领域，针对《原神》中的珊瑚宫心海这一角色，本数据集通过自动化爬取系统从Danbooru、Pixiv、Zerochan等多个图像平台采集原始图像，并利用DeepGHS团队开发的Waifuc工具进行数据整理。数据集包含500张经过标注的图像，核心标签如长发、粉发、紫眼、弓等已被精简处理。原始数据以ZIP压缩包形式提供，并支持通过Waifuc库直接加载，便于研究者进行后续处理和模型训练。

使用方法

使用本数据集时，研究者可通过Hugging Face Hub下载原始ZIP归档文件，利用Waifuc的LocalSource接口轻松加载图像及其标签信息。对于需要更高图像质量和特定区域的用户，推荐使用三阶段裁剪后的数据集，其以IMG+TXT格式提供，可直接用于文本到图像生成模型的训练。此外，数据集的标签聚类结果以表格和图像示例形式呈现，有助于用户快速理解角色特征分布，从而优化模型输入或进行风格迁移实验。

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）任务对高质量、细粒度的角色数据集需求日益迫切，尤其针对源自电子游戏与动漫文化的虚拟角色。CyberHarem/sangonomiya_kokomi_genshin数据集于近期由DeepGHS团队构建并发布，聚焦于热门游戏《原神》中的角色珊瑚宫心海。该数据集包含500张经过标注的图像，核心标签涵盖发型、瞳色、服饰等关键视觉特征，旨在为角色定制化图像生成模型提供标准化训练资源。其构建依托自动化爬取系统，从Danbooru、Pixiv等多平台采集数据，并经过多阶段裁剪与清洗，形成raw与stage3两种规格的版本。该数据集不仅服务于角色特征学习，还通过聚类分析揭示了不同着装与场景下的视觉模式，为动漫风格生成模型的研究提供了结构化素材，推动了虚拟角色数据集的规范化发展。

当前挑战

该数据集面临的挑战主要体现在两个层面。在领域问题层面，文本到图像生成模型需要精准捕捉角色核心特征（如渐变发色、蝴蝶结发饰等），并避免在不同场景下产生特征混淆或丢失；同时，动漫风格图像的高度艺术化与风格多样性，对模型在保持角色一致性的同时生成新颖构图提出了更高要求。在构建过程中，挑战包括：从多源网站采集图像时需处理版权与质量差异，自动化爬取系统需应对反爬机制与图像冗余；多阶段裁剪策略需平衡图像分辨率与内容完整性，确保区域裁剪（如480×480像素）不丢失关键细节；标签标注的准确性与一致性依赖自动化与人工校验的结合，而聚类分析中不同簇的样本数量不均（如从5到14张），可能影响模型对稀有外观的泛化能力。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/sangonomiya_kokomi_genshin 数据集为基于扩散模型的角色定制化生成提供了高质量的素材。研究者可借助该数据集中的500张高分辨率图像及其精细标注的标签，训练模型精准捕捉角色特征，如渐变发色、蝴蝶结发饰与紫色眼瞳等核心视觉元素。该数据集的裁剪版本（stage3-p480-1200）进一步支持多尺度训练，有助于提升生成图像在构图与细节上的保真度。其与waifuc框架的无缝集成，简化了数据加载流程，使得在动漫角色生成任务中开展可控性实验成为可能。

解决学术问题

该数据集有效回应了动漫角色图像生成中数据稀缺与标注不一致的学术困境。通过系统化爬取多个图站并自动标注，它构建了一个兼具多样性与一致性的角色专属图像库。研究者得以探究如何利用细粒度标签（如服饰、姿态、背景）引导生成模型实现语义对齐，进而提升角色身份的可辨识度。数据集内置的聚类分析结果，为探索角色在不同着装与场景下的风格迁移提供了量化基础，推动了文本到图像生成中细粒度控制与泛化能力的研究。

实际应用

在实际应用中，该数据集为游戏、动漫与虚拟偶像产业的内容创作提供了技术支撑。开发者可基于此数据集训练定制化图像生成模型，实现角色立绘、宣传海报或粉丝艺术的高效批量产出。其标签系统支持按需筛选特定风格的图像，例如水中姿态或校园制服，从而降低人工绘制成本。此外，数据集与HuggingFace Hub的深度整合，使得模型微调与部署流程标准化，加速了从研究到落地的转化，尤其适用于需要快速生成海量角色变体的场景。

数据集最近研究

最新研究方向

在生成式人工智能与二次元文化交叉领域，以《原神》角色“珊瑚宫心海”为主题的高质量图像数据集正成为文本到图像模型微调与风格迁移研究的前沿载体。该数据集通过多源爬取与自动化标注管道构建，收录了500张经过精细化裁剪与标签清洗的图片，其核心特征如渐变长发、蝴蝶结发饰及水元素视觉符号为角色一致性生成提供了关键锚点。当前研究热点集中在利用此类专有数据集实现角色专属LoRA（低秩适应）训练，以在保持原画风基础上精准复现服饰细节与动态姿态。此外，标签聚类分析揭示了不同着装变体（如泳装、制服）的分布规律，为可控生成与风格解耦研究奠定了数据基础。该工作不仅推动了二次元角色生成的技术边界，也为虚拟偶像与数字藏品等新兴业态提供了可复用的数据范式。