CyberHarem/nagara_azurlane

--- license: mit task_categories: - text-to-image tags: - art - not-for-all-audiences size_categories: - n<1K --- # Dataset of nagara/長良/长良 (Azur Lane) This is the dataset of nagara/長良/长良 (Azur Lane), containing 108 images and their tags. The core tags of this character are `breasts, hair_ornament, hairclip, horns, long_hair, twintails, hair_between_eyes, large_breasts, brown_eyes, black_hair, bow, bangs, ribbon, red_bow, low_twintails`, 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 | |:-----------------|---------:|:-----------|:-----------------------------------------------------------------------------------------------------------------|:-----------|:---------------------------------------------------------------------| | raw | 108 | 131.22 MiB | [Download](https://huggingface.co/datasets/CyberHarem/nagara_azurlane/resolve/main/dataset-raw.zip) | Waifuc-Raw | Raw data with meta information (min edge aligned to 1400 if larger). | | 800 | 108 | 79.46 MiB | [Download](https://huggingface.co/datasets/CyberHarem/nagara_azurlane/resolve/main/dataset-800.zip) | IMG+TXT | dataset with the shorter side not exceeding 800 pixels. | | stage3-p480-800 | 273 | 174.73 MiB | [Download](https://huggingface.co/datasets/CyberHarem/nagara_azurlane/resolve/main/dataset-stage3-p480-800.zip) | IMG+TXT | 3-stage cropped dataset with the area not less than 480x480 pixels. | | 1200 | 108 | 119.65 MiB | [Download](https://huggingface.co/datasets/CyberHarem/nagara_azurlane/resolve/main/dataset-1200.zip) | IMG+TXT | dataset with the shorter side not exceeding 1200 pixels. | | stage3-p480-1200 | 273 | 239.42 MiB | [Download](https://huggingface.co/datasets/CyberHarem/nagara_azurlane/resolve/main/dataset-stage3-p480-1200.zip) | IMG+TXT | 3-stage cropped dataset with the area not less than 480x480 pixels. | ### 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/nagara_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']) ``` ## 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 | 69 |  |  |  |  |  | 1girl, looking_at_viewer, solo, blush, cardigan, white_shirt, long_sleeves, pleated_skirt, bell, open_mouth, white_background, simple_background, school_uniform, collared_shirt, black_skirt, :d, brown_hair, red_bowtie, button_gap, hair_ribbon | | 1 | 7 |  |  |  |  |  | 1boy, 1girl, blush, hetero, hair_bow, nipples, penis, smile, pov, solo_focus, heart, looking_at_viewer, mosaic_censoring, open_mouth, paizuri, sweat, breasts_squeezed_together, male_pubic_hair, sex, vaginal | ### Table Version | # | Samples | Img-1 | Img-2 | Img-3 | Img-4 | Img-5 | 1girl | looking_at_viewer | solo | blush | cardigan | white_shirt | long_sleeves | pleated_skirt | bell | open_mouth | white_background | simple_background | school_uniform | collared_shirt | black_skirt | :d | brown_hair | red_bowtie | button_gap | hair_ribbon | 1boy | hetero | hair_bow | nipples | penis | smile | pov | solo_focus | heart | mosaic_censoring | paizuri | sweat | breasts_squeezed_together | male_pubic_hair | sex | vaginal | |----:|----------:|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------|:--------------------|:-------|:--------|:-----------|:--------------|:---------------|:----------------|:-------|:-------------|:-------------------|:--------------------|:-----------------|:-----------------|:--------------|:-----|:-------------|:-------------|:-------------|:--------------|:-------|:---------|:-----------|:----------|:--------|:--------|:------|:-------------|:--------|:-------------------|:----------|:--------|:----------------------------|:------------------|:------|:----------| | 0 | 69 |  |  |  |  |  | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | | | | | | | | | | | | | | | | | | 1 | 7 |  |  |  |  |  | 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

数据集名称

• 名称: nagara/長良/长良 (Azur Lane)
• 包含内容: 108张图像及其标签

核心标签

• 标签: breasts, hair_ornament, hairclip, horns, long_hair, twintails, hair_between_eyes, large_breasts, brown_eyes, black_hair, bow, bangs, ribbon, red_bow, low_twintails

数据集版本

包名	图像数量	大小	下载链接	类型	描述
raw	108	131.22 MiB	下载	Waifuc-Raw	原始数据，包含元信息（如果图像较大，则最小边对齐到1400像素）。
800	108	79.46 MiB	下载	IMG+TXT	数据集，短边不超过800像素。
stage3-p480-800	273	174.73 MiB	下载	IMG+TXT	三阶段裁剪数据集，区域不小于480x480像素。
1200	108	119.65 MiB	下载	IMG+TXT	数据集，短边不超过1200像素。
stage3-p480-1200	273	239.42 MiB	下载	IMG+TXT	三阶段裁剪数据集，区域不小于480x480像素。

加载原始数据集

• 加载工具: waifuc
• 加载方法: 使用提供的Python代码下载并解压数据集，然后通过waifuc加载。

标签聚类结果

原始文本版本

#	样本数	图像示例	标签
0	69	至	1girl, looking_at_viewer, solo, blush, cardigan, white_shirt, long_sleeves, pleated_skirt, bell, open_mouth, white_background, simple_background, school_uniform, collared_shirt, black_skirt, :d, brown_hair, red_bowtie, button_gap, hair_ribbon
1	7	至	1boy, 1girl, blush, hetero, hair_bow, nipples, penis, smile, pov, solo_focus, heart, looking_at_viewer, mosaic_censoring, open_mouth, paizuri, sweat, breasts_squeezed_together, male_pubic_hair, sex, vaginal

表格版本

#	样本数	图像示例	1girl	looking_at_viewer	solo	blush	cardigan	white_shirt	long_sleeves	pleated_skirt	bell	open_mouth	white_background	simple_background	school_uniform	collared_shirt	black_skirt	:d	brown_hair	red_bowtie	button_gap	hair_ribbon	1boy	hetero	hair_bow	nipples	penis	smile	pov	solo_focus	heart	mosaic_censoring	paizuri	sweat	breasts_squeezed_together	male_pubic_hair	sex	vaginal
0	69	至	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X
1	7	至	X	X		X						X											X	X	X	X	X	X	X	X	X	X	X	X	X	X	X	X

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《碧蓝航线》中的角色“长良”，CyberHarem团队精心打造了一个包含108幅图像及其对应标签的数据集。该数据集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，并由DeepGHS团队提供技术支持。构建过程中，对核心标签如乳房、发饰、发夹、角、长发、双马尾等进行了精简处理。数据集提供了多种封装形式，包括原始数据包（含元信息，长边对齐至1400像素）、短边不超过800或1200像素的标准化版本，以及基于三阶段裁剪策略、面积不小于480×480像素的增强版本，以满足不同应用场景的需求。

特点

该数据集的核心特色在于其精细化的多版本设计，以适配多样化的模型训练需求。原始版本保留了完整的元数据，便于研究者进行深度探索；而800与1200像素版本则通过统一尺寸标准化，简化了预处理流程。尤为突出的是三阶段裁剪版本，通过智能分割将图像数量扩展至273幅，有效增加了训练样本的多样性。此外，数据集还提供了标签聚类结果，将图像按主题分组，例如包含69个样本的校园制服组和7个样本的亲密互动组，这种结构化组织方式有助于挖掘角色的不同造型与场景，为细粒度图像生成任务提供了宝贵资源。

使用方法

使用该数据集时，研究者可根据任务需求灵活选择不同版本。对于需要原始元信息的场景，可通过Hugging Face Hub下载raw压缩包，并借助Waifuc库的LocalSource加载器进行图像、文件名及标签的迭代访问，示例代码已集成于官方文档中。对于追求高效训练的用户，可直接使用IMG+TXT格式的800或1200像素版本，这些版本无需额外处理即可输入模型。三阶段裁剪版本则适用于需要更多样本量的数据增强场景。所有版本均通过Hugging Face的hf_hub_download函数获取，并支持ZIP解压后直接使用，确保了数据加载的便捷性与兼容性。

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，针对特定二次元角色的精细化图像生成数据集日益成为研究热点。CyberHarem/nagara_azurlane数据集由DeepGHS团队于近期构建，聚焦于游戏《碧蓝航线》中的角色“长良”。该数据集的核心研究问题在于如何通过自动化采集与标注技术，为文生图模型提供高质量、多视角的角色视觉素材。数据集包含108张精心筛选的原始图像及其对应的标签信息，这些标签涵盖了角色的核心特征，如发型、服饰与装饰物。其影响力体现在为角色定制化图像生成、风格迁移及多模态学习等领域提供了标准化的数据基础，推动了二次元领域从通用模型向角色专属模型的精细化演进。

当前挑战

该数据集面临的挑战首先体现在领域问题的复杂性上：二次元角色图像生成不仅需要准确捕捉角色的外貌特征（如发型、瞳色、服饰细节），还需理解角色在不同场景与情绪下的风格化表达，这对模型的语义理解与泛化能力提出了严苛要求。其次，在构建过程中，数据采集面临图像来源分散、版权归属模糊以及图像质量参差不齐的困境，自动爬取系统虽整合了Danbooru、Pixiv等多平台资源，但需在海量数据中过滤低质量、重复或无关图像。此外，标签体系的标准化与一致性维护也是一大难点，不同来源的标签存在描述粒度差异，需通过聚类与人工校验确保标注的准确性与完备性。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/nagara_azurlane数据集常被用于训练和微调面向二次元角色的人工智能绘画模型。该数据集收录了《碧蓝航线》中角色“长良”的108张高质量图像及其详尽标签，涵盖发型、服饰、表情等核心视觉元素，为模型学习特定角色风格与特征提供了精炼的素材。研究者通常利用此数据集进行角色一致性生成、风格迁移或基于提示词的精细化控制实验，以提升生成图像的角色辨识度与艺术表现力。

实际应用

在实际应用中，该数据集助力了游戏开发、虚拟偶像运营和同人创作等领域的自动化内容生产。开发者可基于此数据集训练模型，快速生成符合角色设定的宣传插图、表情包或互动素材，显著降低人工绘制成本。此外，它还可用于构建定制化图像生成工具，辅助用户通过简单文本描述生成特定风格的角色形象，从而赋能数字娱乐产业中的创意工作流，提升内容迭代效率。

衍生相关工作

该数据集衍生了多项经典工作，包括基于扩散模型的角色微调方法（如DreamBooth、LoRA在此类二次元数据上的适配），以及用于角色多视角生成的三阶段裁剪数据集构建方案。此外，研究者还利用其标签聚类结果，探索了角色服饰与场景的关联性挖掘，衍生出面向角色风格分解的标签预测任务。这些工作不仅拓展了数据集的应用边界，也为后续构建更大规模、更细粒度的二次元角色数据集提供了方法论参考。