CyberHarem/deepcolor_arknights

--- license: mit task_categories: - text-to-image tags: - art - not-for-all-audiences size_categories: - n<1K --- # Dataset of deepcolor/ディピカ/深海色 (Arknights) This is the dataset of deepcolor/ディピカ/深海色 (Arknights), containing 34 images and their tags. The core tags of this character are `short_hair, breasts, glasses, hat, red-framed_eyewear, brown_hair, multicolored_hair, black_headwear, yellow_eyes, animal_ears`, 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 | 34 | 56.54 MiB | [Download](https://huggingface.co/datasets/CyberHarem/deepcolor_arknights/resolve/main/dataset-raw.zip) | Waifuc-Raw | Raw data with meta information (min edge aligned to 1400 if larger). | | 1200 | 34 | 46.50 MiB | [Download](https://huggingface.co/datasets/CyberHarem/deepcolor_arknights/resolve/main/dataset-1200.zip) | IMG+TXT | dataset with the shorter side not exceeding 1200 pixels. | | stage3-p480-1200 | 84 | 97.99 MiB | [Download](https://huggingface.co/datasets/CyberHarem/deepcolor_arknights/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/deepcolor_arknights', 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 | 34 |  |  |  |  |  | 1girl, solo, looking_at_viewer, open_jacket, white_jacket, holding, long_sleeves, checkered_scarf, cleavage, black_dress, smile, simple_background, upper_body, clothing_cutout, nail_polish, tentacles | ### Table Version | # | Samples | Img-1 | Img-2 | Img-3 | Img-4 | Img-5 | 1girl | solo | looking_at_viewer | open_jacket | white_jacket | holding | long_sleeves | checkered_scarf | cleavage | black_dress | smile | simple_background | upper_body | clothing_cutout | nail_polish | tentacles | |----:|----------:|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------|:-------|:--------------------|:--------------|:---------------|:----------|:---------------|:------------------|:-----------|:--------------|:--------|:--------------------|:-------------|:------------------|:--------------|:------------| | 0 | 34 |  |  |  |  |  | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X | X |许可证：MIT 任务类别： - 文本到图像（text-to-image） 标签： - 艺术（art） - 不适合所有受众（not-for-all-audiences） 数据规模类别： - 样本数少于1000（n<1K） # 数据集：《明日方舟》深海色（deepcolor/ディピカ） 本数据集收录了《明日方舟》角色深海色（deepcolor/ディピカ）的34张图像及其标注标签。 该角色的核心标注标签为`短发、胸部、眼镜、红框眼镜、棕发、渐变发色、黑色头饰、黄瞳、兽耳`，本数据集已对这些核心标签进行了剪枝处理。 图像从多个平台（如danbooru、pixiv、zerochan等）爬取，自动爬取系统由[DeepGHS团队](https://github.com/deepghs)（其Hugging Face组织主页：https://huggingface.co/deepghs）提供支持。 ## 数据包列表 | 数据包名称 | 图像数量 | 文件大小 | 下载链接 | 类型 | 描述 | |:-----------------|---------:|:----------|:---------------------------------------------------------------------------------------------------------------------|:-----------|:---------------------------------------------------------------------| | raw | 34 | 56.54 MiB | [下载](https://huggingface.co/datasets/CyberHarem/deepcolor_arknights/resolve/main/dataset-raw.zip) | Waifuc-Raw | 包含元数据的原始数据（若图像短边大于1400像素，则对齐至1400像素） | | 1200 | 34 | 46.50 MiB | [下载](https://huggingface.co/datasets/CyberHarem/deepcolor_arknights/resolve/main/dataset-1200.zip) | IMG+TXT | 短边不超过1200像素的数据集。 | | stage3-p480-1200 | 84 | 97.99 MiB | [下载](https://huggingface.co/datasets/CyberHarem/deepcolor_arknights/resolve/main/dataset-stage3-p480-1200.zip) | IMG+TXT | 区域不小于480×480像素的三级裁剪数据集。 | ### 使用Waifuc加载原始数据集 我们提供了支持[Waifuc](https://deepghs.github.io/waifuc/main/tutorials/installation/index.html)加载的原始数据集（含标注图像）。如需使用，请运行以下代码： 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/deepcolor_arknights', repo_type='dataset', filename='dataset-raw.zip', ) # 将文件解压至指定目录 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']) ## 聚类结果列表 本列表为标签聚类结果，或许可从中挖掘出该角色的不同穿搭风格。 ### 纯文本版本 | 聚类编号 | 样本数 | 示例图1 | 示例图2 | 示例图3 | 示例图4 | 示例图5 | 标签 | |----:|----------:|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | 0 | 34 |  |  |  |  |  | 1名女性、单人、看向镜头、敞开外套、白色外套、手持物品、长袖、格纹围巾、乳沟、黑色连衣裙、微笑、简约背景、上半身、服饰镂空、指甲油、触手 | ### 表格版本 | 聚类编号 | 样本数 | 示例图1 | 示例图2 | 示例图3 | 示例图4 | 示例图5 | 1名女性 | 单人 | 看向镜头 | 敞开外套 | 白色外套 | 手持物品 | 长袖 | 格纹围巾 | 乳沟 | 黑色连衣裙 | 微笑 | 简约背景 | 上半身 | 服饰镂空 | 指甲油 | 触手 | |----:|----------:|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------------------------------|:--------|:-------|:--------------------|:--------------|:---------------|:----------|:---------------|:------------------|:-----------|:--------------|:--------|:--------------------|:-------------|:------------------|:--------------|:------------| | 0 | 34 |  |  |  |  |  | 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

Dataset of deepcolor/ディピカ/深海色 (Arknights)

数据集描述

该数据集包含34张图片及其标签，主要描述《明日方舟》中的角色deepcolor/ディピカ/深海色。

核心标签

• short_hair
• breasts
• glasses
• hat
• red-framed_eyewear
• brown_hair
• multicolored_hair
• black_headwear
• yellow_eyes
• animal_ears

数据集包列表

名称	图片数量	大小	类型	描述
raw	34	56.54 MiB	Waifuc-Raw	包含元信息的原始数据（最小边对齐到1400像素）
1200	34	46.50 MiB	IMG+TXT	短边不超过1200像素的数据集
stage3-p480-1200	84	97.99 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

#	样本数量	图片1	图片2	图片3	图片4	图片5	标签
0	34						1girl, solo, looking_at_viewer, open_jacket, white_jacket, holding, long_sleeves, checkered_scarf, cleavage, black_dress, smile, simple_background, upper_body, clothing_cutout, nail_polish, tentacles

表格版本

#	样本数量	图片1	图片2	图片3	图片4	图片5	1girl	solo	looking_at_viewer	open_jacket	white_jacket	holding	long_sleeves	checkered_scarf	cleavage	black_dress	smile	simple_background	upper_body	clothing_cutout	nail_polish	tentacles
0	34						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

在文本到图像生成领域，高质量的角色数据集是模型微调与风格迁移的重要基石。本数据集聚焦于游戏《明日方舟》中的角色“深海色”（deepcolor/ディピカ），通过自动化爬虫系统从Danbooru、Pixiv、Zerochan等多个知名图像社区采集原始图像，最终收录34张图片及其对应标签。构建过程中，系统对图像进行了标准化处理，包括将最小边长对齐至1400像素以保留元信息，并提供多种分辨率版本以适应不同训练需求。此外，还引入了三阶段裁剪策略，生成面积不小于480×480像素的子图，以增强数据多样性。核心标签如短发、眼镜、帽子等被精简保留，确保数据集的主题聚焦。

特点

本数据集的核心特点在于其精细化的多版本设计与标签聚类分析。首先，数据集提供了三种不同规格的压缩包：原始元数据包、短边不超过1200像素的标准包，以及三阶段裁剪后的增强包，满足从原始图像研究到高效模型训练的多层次需求。其次，数据集附带了聚类结果，通过图像样本与标签矩阵的可视化呈现，揭示了角色在不同着装、姿态下的共性特征，如“1girl”、“solo”、“tentacles”等标签的组合规律，为风格迁移与角色一致性研究提供了结构化线索。这种标签与图像的协同组织方式，显著提升了数据集的实用性与可探索性。

使用方法

使用本数据集时，用户可根据任务需求灵活选择不同封装版本。对于需要原始元信息与完整图像细节的场景，推荐下载raw包并通过Waifuc库加载，利用其LocalSource接口逐项读取图像、文件名及标签数据。若追求高效训练，可选用1200像素或三阶段裁剪版本，这些包直接以图像与文本配对形式提供，便于集成至常见的文本到图像训练流程。加载示例代码已集成至HuggingFace Hub的下载流程，用户仅需调用hf_hub_download函数获取压缩包，解压后即可通过Waifuc或自定义脚本快速访问，大幅降低了数据预处理的门槛。

背景与挑战

背景概述

在文本到图像生成领域，高质量、标注精细的角色数据集是驱动模型学习特定视觉概念与语义映射的关键资源。CyberHarem/deepcolor_arknights数据集由DeepGHS团队于近期构建，聚焦于游戏《明日方舟》中的角色“深海色”（Deepcolor），包含34张图像及对应的标签信息。该数据集的核心研究问题在于如何通过小样本、多标签的标注策略，为二次元角色提供结构化的视觉-语义训练素材，从而支持下游的文本到图像生成任务。尽管数据规模有限，但其系统化的标签聚类与多分辨率版本设计（如raw、1200、stage3-p480-1200），为角色概念的可控生成与风格迁移研究提供了基础性支持，尤其对同人创作与游戏资产自动化生成领域具有参考价值。

当前挑战

当前数据集面临的挑战主要来自三个方面。首先，在领域问题层面，小样本（仅34张图像）条件下如何有效泛化角色视觉特征（如眼镜、触手等细节）至文本条件生成模型，避免过拟合或概念混淆，是亟待突破的核心难点。其次，构建过程中面临多源数据爬取的异质性问题，图像来源涵盖danbooru、pixiv等多个平台，导致分辨率、构图风格及标签一致性差异显著，需通过裁剪策略（如stage3-p480-1200）与标签聚类进行后处理标准化。此外，标签体系依赖社区注释（如Danbooru标签），存在主观性偏差与细粒度不足的隐患，可能影响模型对角色属性（如服装、表情）的精准理解与生成控制。

常用场景

经典使用场景

在二次元角色生成与风格迁移领域，CyberHarem/deepcolor_arknights 数据集以其高度浓缩的角色视觉特征（如短发、眼镜、红框眼镜、动物耳等标签）成为文本到图像生成模型的微调利器。该数据集收录了来自 Danbooru、Pixiv 等多平台的 34 张高质量插画，并提供了 raw、1200 分辨率及 stage3 裁剪三种版本，便于研究者根据模型输入需求灵活选用。其经典使用场景在于基于 Stable Diffusion 等扩散模型进行角色一致性训练，通过低样本量（<1K）实现特定角色（如《明日方舟》中的深海色）的精准复现，是二次元领域少样本角色定制化生成的标杆性数据资源。

解决学术问题

该数据集有效回应了生成式模型在特定动漫角色上存在概念混淆与细节丢失的学术难题。通过提供经过标签剪枝与多源爬取的高质量图像-文本对，研究者得以探索如何在小样本条件下提升扩散模型对角色核心属性的记忆能力与生成保真度。数据集附带的聚类结果（如服装、姿势、背景的分布）为分析角色视觉概念的组成结构提供了实证基础，推动了可控图像生成、概念解耦与少样本个性化生成等方向的理论进展，其意义在于为二次元 AI 领域建立了一套可复现的基准评估框架。

衍生相关工作

该数据集衍生了一系列经典工作，包括基于 DreamBooth 与 LoRA 的角色个性化微调方法，以及针对动漫角色的文本反转（Textual Inversion）研究。其标签聚类结果被用于改进多模态提示词解析与角色概念解耦算法。此外，该数据集催生了 CyberHarem 系列数据集的建设规范，推动了如 arknight 角色库、waifuc 自动化采集工具链的迭代，并成为后续少样本动漫角色生成竞赛（如 Danbooru 2023 挑战赛）的参照基准之一，深刻影响了二次元视觉生成领域的实验范式。