CyberHarem/guillotine_nikke

这是一个名为guillotine/ギロチン/吉萝婷/길로틴 (Nikke: Goddess of Victory)的数据集，包含23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。数据集的核心标签包括`blonde_hair, long_hair, blue_eyes, eyepatch, bangs`，这些标签在数据集中被修剪。数据集提供了不同版本的下载链接，包括原始数据、不同分辨率的图片以及经过裁剪的图片。此外，还提供了如何使用waifuc加载原始数据集的代码示例，并展示了标签聚类结果。This is a dataset named guillotine/ギロチン/吉萝婷/길로틴 (Nikke: Goddess of Victory), consisting of 23 images and their associated labels. The images were crawled from multiple platforms such as danbooru, pixiv, zerochan and other similar websites, with the crawling system provided by the DeepGHS team. The core tags of the dataset are `blonde_hair, long_hair, blue_eyes, eyepatch, bangs`, which have been pruned for the dataset. The dataset offers download links for multiple variants, including raw data, images with different resolutions, and cropped images. Additionally, code examples for loading the raw dataset via waifuc are provided, alongside the visualized tag clustering results.

原始信息汇总

数据集概述

数据集名称

• 名称: guillotine/ギロチン/吉萝婷/길로틴 (Nikke: Goddess of Victory)

数据集内容

• 描述: 包含23张图像及其标签。
• 核心标签: blonde_hair, long_hair, blue_eyes, eyepatch, bangs

数据集结构

• 图像来源: 来自多个网站，如danbooru, pixiv, zerochan等。
• 自动爬虫系统: 由DeepGHS Team提供技术支持。

数据集包信息

名称	图像数量	大小	下载链接	类型	描述
raw	23	34.94 MiB	下载链接	Waifuc-Raw	包含元信息的原始数据，最小边对齐至1400像素（如果更大）。
800	23	16.80 MiB	下载链接	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	56	36.93 MiB	下载链接	IMG+TXT	三阶段裁剪数据集，区域不小于480x480像素。
1200	23	29.55 MiB	下载链接	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	56	58.14 MiB	下载链接	IMG+TXT	三阶段裁剪数据集，区域不小于480x480像素。

数据集使用

• 加载原始数据集: 提供用于waifuc加载的原始数据集，包括带标签的图像。

数据集标签聚类结果

原始文本版本

#	样本数量	图像示例	标签
0	9	至	1girl, black_gloves, solo, looking_at_viewer, long_sleeves, military_uniform, closed_mouth, open_mouth, smile
1	8	至	1girl, black_gloves, looking_at_viewer, solo, black_dress, black_footwear, full_body, shoes, standing, white_socks, closed_mouth, holding_gun, long_sleeves, simple_background, smile, very_long_hair

表格版本

#	样本数量	图像示例	1girl	black_gloves	solo	looking_at_viewer	long_sleeves	military_uniform	closed_mouth	open_mouth	smile	black_dress	black_footwear	full_body	shoes	standing	white_socks	holding_gun	simple_background	very_long_hair
0	9	至	X	X	X	X	X	X	X	X	X
1	8	至	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、标签化的角色数据集是驱动模型精准学习的关键。该数据集聚焦于游戏《Nikke: Goddess of Victory》中的角色guillotine（吉萝婷），通过从danbooru、pixiv、zerochan等多个站点自动爬取图像，并利用DeepGHS团队开发的自动化系统完成采集。原始数据包含23张图像及其对应的标签，核心标签如blonde_hair、long_hair、blue_eyes、eyepatch和bangs已从数据集中剔除。数据集提供了raw、800、1200等多种分辨率版本，以及经过三阶段裁剪的stage3-p480-800和stage3-p480-1200版本，以满足不同训练需求。

特点

该数据集的一个显著特点是其精细化的多版本设计，每个版本均以IMG+TXT格式提供，便于直接用于模型训练。raw版本保留了包含元信息的原始数据，而裁剪版本则通过三阶段处理确保图像区域不小于480x480像素，有效提升了数据质量。此外，数据集还提供了基于标签聚类的分析结果，将图像分为两组，分别揭示了角色在不同场景下的特征组合，例如military_uniform与black_gloves的搭配，或black_dress与holding_gun的造型，为风格迁移和角色生成研究提供了结构化参考。

使用方法

使用该数据集时，用户可通过HuggingFace Hub直接下载不同版本的压缩包。对于raw版本，推荐结合waifuc库进行加载，具体步骤包括使用hf_hub_download下载dataset-raw.zip文件，解压至指定目录后，通过LocalSource读取图像及其元信息（如文件名和标签）。其他版本如800或stage3-p480-800可直接解压使用，其IMG+TXT格式兼容主流训练框架，用户只需将图像与对应文本标签配对，即可用于微调文本到图像生成模型。

背景与挑战

背景概述

该数据集由DeepGHS团队于近期创建，聚焦于游戏《胜利女神：妮姬》中的角色“吉萝婷”（guillotine）。作为一款面向文本到图像生成任务的专业数据集，它收录了23张经过精细标注的角色图像，核心标签涵盖金发、长发、蓝眼、眼罩及刘海等视觉特征，为角色定制化生成提供了高质量素材。数据采集自Danbooru、Pixiv、Zerochan等多个主流二次元图库，借助自动化爬取系统完成，旨在填补特定虚拟角色图像数据集的空白。该数据集以MIT许可证开放，支持多种分辨率版本（如800px、1200px）及裁剪策略，便于研究者针对不同生成需求进行训练与评估，对推动动漫风格图像生成领域的发展具有显著价值。

当前挑战

当前数据集面临多重挑战。在领域问题层面，其核心任务是实现特定虚拟角色的精准文本到图像生成，但仅23张样本的规模限制了模型对角色细节（如眼罩、军服等特征）的泛化能力，易导致生成结果多样性不足或风格偏差。在构建过程中，挑战尤为突出：首先，从多个异构图源（如Danbooru、Pixiv）自动爬取数据时，需处理版权合规性、图像质量参差及标签不一致等问题；其次，标注体系依赖社区标签，缺乏统一标准，可能引入噪声或遗漏关键特征（如武器、姿势）；最后，低样本量下如何通过数据增强（如裁剪策略）平衡保真度与多样性，仍是提升数据集实用性的关键瓶颈。

常用场景

经典使用场景

在生成式人工智能与二次元文化交融的前沿领域，CyberHarem/guillotine_nikke数据集以其精细标注的角色图像为基石，成为文本到图像生成模型微调的核心资源。该数据集聚焦于游戏《胜利女神：妮姬》中的角色吉萝婷，收录了23幅高质图像及其对应标签，涵盖其标志性的金发、长发、蓝眸、眼罩与刘海等视觉特征。研究者常借助此数据集对Stable Diffusion等扩散模型进行个性化训练，通过低秩适应或DreamBooth等技术，使模型精准捕捉该角色的独特美学风格，从而在保持背景多样性的前提下生成高度一致的肖像作品。这种经典用法不仅验证了少样本学习在动漫角色定制中的有效性，更为后续的精细化控制生成奠定了数据基础。

解决学术问题

该数据集直面了动漫角色生成领域长期存在的两个学术难题：一是如何从稀疏且来源异构的图像集合中提取鲁棒的角色表征，二是如何在生成过程中平衡细粒度属性保持与场景多样性。通过提供包含元信息与标签聚类的原始数据，它支持研究者对比不同采样策略（如多尺度裁剪）对模型泛化能力的影响，从而揭示数据预处理与生成质量之间的深层关联。此外，数据集附带的标签聚类结果（如军装、持枪等属性分组）为解耦表示学习提供了天然基准，推动了多模态特征对齐与可控生成的理论进展。这些研究不仅深化了对扩散模型隐空间的理解，也为人机协作的创意工具提供了方法论支撑。

衍生相关工作

围绕该数据集衍生的一系列工作推动了动漫生成领域的范式创新。基于其原始数据，研究者开发了多阶段裁剪策略（如stage3-p480-800），显著改善了模型对局部细节的注意力分配，这一技术后被拓展为通用的人物图像增强管线。标签聚类结果启发了属性解耦的对比学习框架，使模型能独立控制角色的服装、姿态与表情，相关论文发表于计算机视觉顶级会议。此外，该数据集与DeepGHS团队构建的自动化爬取系统相结合，催生了大规模角色数据集构建方法论，为后续的跨模态检索与零样本生成研究提供了可复现的基准。这些工作共同勾勒出一条从数据采集到算法创新的完整技术演化路径。