CyberHarem/tb_azurlane

这是TB（碧蓝航线）的数据集，包含26张图像及其标签。该角色的核心标签包括`blue_eyes, multicolored_hair, short_hair, blue_hair, white_hair, streaked_hair, bangs, white_skin, colored_skin, pale_skin`，这些标签在数据集中被修剪。图像从多个网站（如danbooru、pixiv、zerochan等）爬取，自动爬取系统由DeepGHS团队开发。数据集提供了多个版本，包括原始数据、不同尺寸的图像数据集以及三阶段裁剪的数据集。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的列表。这是TB（碧蓝航线）的数据集，包含26张图像及其标签。该角色的核心标签包括`blue_eyes, multicolored_hair, short_hair, blue_hair, white_hair, streaked_hair, bangs, white_skin, colored_skin, pale_skin`，这些标签在数据集中被修剪。图像从多个网站（如danbooru、pixiv、zerochan等）爬取，自动爬取系统由DeepGHS团队开发。数据集提供了多个版本，包括原始数据、不同尺寸的图像数据集以及三阶段裁剪的数据集。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的列表。

原始信息汇总

数据集详情

数据集概述

• 名称: Dataset of TB (Azur Lane)
• 描述: 包含26张图片及其标签的数据集。
• 核心标签: blue_eyes, multicolored_hair, short_hair, blue_hair, white_hair, streaked_hair, bangs, white_skin, colored_skin, pale_skin

数据集包列表

名称	图片数量	大小	类型	描述
raw	26	29.32 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	26	17.90 MiB	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	68	38.26 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。
1200	26	25.40 MiB	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	68	49.50 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	Img-1	Img-2	Img-3	Img-4	Img-5	标签
0	26						1girl, solo, looking_at_viewer, white_dress, holding, closed_mouth

表格版本

#	样本数量	Img-1	Img-2	Img-3	Img-4	Img-5	1girl	solo	looking_at_viewer	white_dress	holding	closed_mouth
0	26						X	X	X	X	X	X

搜集汇总

数据集介绍

构建方式

在二次元角色数据集构建领域，针对《碧蓝航线》中TB这一特定角色，CyberHarem团队精心打造了一个小规模但高质量的数据集。该数据集共包含26张图像及其对应的标签，其核心标签如“蓝眼、多色发、短发、蓝发、白发、挑染、刘海、白肤、彩肤、淡肤”已被精准筛选。图像的采集工作通过自动化爬取系统完成，数据来源涵盖Danbooru、Pixiv、Zerochan等多个知名插画网站，整套爬取体系由DeepGHS团队提供技术支持，确保了数据来源的广泛性与代表性。

特点

该数据集的一个显著特点在于其多版本、多规格的灵活设计。除原始数据包（dataset-raw）外，还提供了短边不超过800像素和1200像素的标准版本，以及采用三阶段裁剪策略、面积不低于480x480像素的增强版本（stage3-p480-800与stage3-p480-1200）。这种分层结构使得数据集既能满足基础训练需求，又能适应对图像细节和构图有更高要求的应用场景。此外，数据集还提供了标签聚类结果，便于用户挖掘角色在不同装扮下的特征模式。

使用方法

该数据集的使用方式灵活多样。对于原始数据，推荐通过Waifuc库进行加载，用户可从HuggingFace Hub下载dataset-raw.zip压缩包，解压后利用LocalSource接口轻松读取图像及其元数据（包括文件名与标签）。对于其他规格的版本，直接下载对应ZIP文件后，即可获得图像与文本标签配对的数据，方便直接接入常见的文本到图像生成模型或图像分类任务的训练流程。这种设计显著降低了数据预处理的门槛，提升了研究效率。

背景与挑战

背景概述

在二次元文化蓬勃发展的数字时代，文本到图像生成技术日益成为人工智能与艺术创作交叉领域的研究热点。由DeepGHS团队于近期创建的CyberHarem/tb_azurlane数据集，聚焦于《碧蓝航线》中的角色TB，收录了26张精心筛选的图像及其标签信息。该数据集旨在为动漫角色生成模型提供高质量的细粒度训练素材，其核心标签如蓝瞳、多色发、短发等特征的精简处理，有助于提升模型对角色外貌的精准把握。尽管规模有限，但该数据集通过跨站点自动化爬取技术（涵盖danbooru、pixiv等平台），展示了在特定角色数据收集与标准化方面的创新实践，为二次元角色生成领域提供了宝贵的基准资源。

当前挑战

该数据集所面临的挑战首先体现在领域问题的复杂性上：文本到图像生成任务要求模型能从稀疏的标签中还原出丰富的视觉细节，而二次元角色往往具有高度风格化且微妙的特征（如发色渐变、肤色变化），现有生成模型在保持角色一致性与艺术风格多样性之间常难以平衡。在构建过程中，数据获取与质量控制构成了主要难点：仅26张原始图像的规模限制了模型的泛化能力；跨站点爬取虽拓宽了数据来源，但不同平台图像的分辨率、标注规范差异显著，需进行复杂的预处理（如边缘对齐、多阶段裁剪）；此外，核心标签的自动筛选与去噪过程也可能引入偏差，影响数据集的代表性。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/tb_azurlane数据集为二次元角色定制化生成提供了宝贵资源。该数据集包含《碧蓝航线》中TB角色的26张高质量图像及其标签信息，核心标签如蓝眼、多彩发色、短发等经过精心筛选。研究者常将其用于微调扩散模型（如Stable Diffusion），通过低样本学习实现角色一致性的图像生成，或结合标签嵌入技术提升模型对细粒度视觉概念的捕捉能力，从而推动动漫风格图像生成在角色保真度上的突破。

衍生相关工作

该数据集衍生了多项经典工作，例如基于Waifuc框架的自动化图像爬取与标注流程，被后续多个动漫数据集项目采纳为基础设施。在模型层面，研究者利用其标签聚类结果（如白衣、独处）开发了角色属性解耦方法，推动了对生成图像中多标签组合的语义控制研究。此外，数据集的低样本特性启发了“少样本角色适配”任务，催生了如DreamBooth微调策略在二次元领域的应用优化，以及基于对比学习的标签-图像对齐模型，进一步丰富了动漫生成领域的学术生态。

数据集最近研究

最新研究方向

在二次元角色数据集构建与文本到图像生成领域，CyberHarem/tb_azurlane数据集聚焦于《碧蓝航线》中TB角色的精细化图像-标签配对，代表了当前动漫风格角色生成的前沿探索。该数据集仅包含26幅高质图像，通过多源爬取（如danbooru、pixiv）并依托DeepGHS团队的自动化采集系统，实现了从原始数据到多尺度裁剪版本（如480x800、480x1200像素）的标准化处理，支持waifuc框架加载。这一小而精的数据集设计，呼应了近期文本到图像模型对特定角色概念学习的需求，尤其在少样本生成和风格迁移研究中具有典型意义。通过核心标签（如蓝瞳、多彩发、短发）的剪枝与聚类分析，它推动了虚拟角色一致性生成的可控性研究，为动漫IP衍生内容创作提供了数据基础，也促进了多模态学习在亚文化场景中的落地。