CyberHarem/sendai_kantaicollection

这是一个名为sendai/川内/川内 (Kantai Collection)的数据集，包含500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团队开发。数据集的核心标签包括two_side_up, brown_eyes, short_hair, brown_hair, hair_ornament, bangs, black_hair，这些标签在数据集中被修剪。This is a dataset named sendai/ Sendai/ Sendai (Kantai Collection), which contains 500 images and their corresponding labels. The images were crawled from multiple websites including danbooru, pixiv, zerochan, and other platforms, and the crawling system was developed by the DeepGHS team. The core tags of the dataset, which were pruned from the full tag set, include two_side_up, brown_eyes, short_hair, brown_hair, hair_ornament, bangs, and black_hair.

原始信息汇总

数据集概述

数据集名称

Dataset of sendai/川内/川内 (Kantai Collection)

数据集描述

该数据集包含500张图像及其标签，主题为Kantai Collection中的sendai/川内/川内角色。核心标签包括two_side_up, brown_eyes, short_hair, brown_hair, hair_ornament, bangs, black_hair。

数据集来源

图像从多个网站（如danbooru, pixiv, zerochan等）爬取，爬虫系统由DeepGHS Team开发。

数据集包列表

名称	图像数量	大小	类型	描述
raw	500	567.54 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	500	362.20 MiB	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	1248	764.22 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。
1200	500	516.67 MiB	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	1248	1005.00 MiB	IMG+TXT	3阶段裁剪数据集，区域不小于480x480像素。

数据集加载

提供原始数据集（包括带标签的图像）用于waifuc加载。示例代码如下： 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/sendai_kantaicollection, repo_type=dataset, filename=dataset-raw.zip, )

提取文件到指定目录

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])

标签聚类结果

列出了标签聚类结果，可能有助于挖掘某些服装。

原始文本版本

#	Samples	Img-1	Img-2	Img-3	Img-4	Img-5	Tags
0	12						1girl, elbow_gloves, solo, serafuku, smile, torpedo, white_scarf, looking_at_viewer, skirt, fingerless_gloves, single_thighhigh
1	7						1girl, double-breasted, elbow_gloves, serafuku, solo, fingerless_gloves, looking_at_viewer, smile, white_scarf, black_gloves, blush, skirt
2	5						1girl, black_gloves, black_neckerchief, double-breasted, elbow_gloves, serafuku, smile, solo, upper_body, white_scarf, fingerless_gloves, looking_at_viewer, simple_background, white_background, blush, white_sailor_collar, hair_between_eyes, open_mouth
3	6						1girl, black_gloves, black_neckerchief, black_skirt, black_thighhighs, cowboy_shot, double-breasted, elbow_gloves, fingerless_gloves, looking_at_viewer, serafuku, single_thighhigh, solo, white_scarf, pleated_skirt, smile, open_mouth
4	5						1girl, elbow_gloves, serafuku, solo, looking_at_viewer, open_mouth, :d, black_gloves, pleated_skirt, blush, neckerchief
5	5						1girl, alternate_costume, looking_at_viewer, school_uniform, solo, :d, blush, hair_between_eyes, long_sleeves, open_mouth, pleated_skirt, red_bowtie, simple_background, twitter_username, white_scarf, black_jacket, blazer, blue_skirt, cardigan, cowboy_shot, grey_skirt, holding_food, open_clothes, plaid, white_background, white_shirt
6	18						1girl, alternate_costume, kimono, looking_at_viewer, solo, smile, hair_between_eyes, obi, wide_sleeves, blush, long_sleeves, floral_print, open_mouth

表格版本

#	Samples	Img-1	Img-2	Img-3	Img-4	Img-5	1girl	elbow_gloves	solo	serafuku	smile	torpedo	white_scarf	looking_at_viewer	skirt	fingerless_gloves	single_thighhigh	double-breasted	black_gloves	blush	black_neckerchief	upper_body	simple_background	white_background	white_sailor_collar	hair_between_eyes	open_mouth	black_skirt	black_thighhighs	cowboy_shot	pleated_skirt	:d	neckerchief	alternate_costume	school_uniform	long_sleeves	red_bowtie	twitter_username	black_jacket	blazer	blue_skirt	cardigan	grey_skirt	holding_food	open_clothes	plaid	white_shirt	kimono	obi	wide_sleeves	floral_print
0	12						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
2	5						X	X	X	X	X		X	X		X		X	X	X	X	X	X	X	X	X	X
3	6						X	X	X	X	X		X	X		X	X	X	X		X						X	X	X	X	X
4	5						X	X	X	X				X					X	X							X				X	X	X
5	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
6	18						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《舰队Collection》中的角色“川内”，CyberHarem团队精心打造了本数据集。该数据集汇集了500张高质量图像及其对应的标签信息，数据来源涵盖Danbooru、Pixiv、Zerochan等多个知名二次元图站。图像的自动爬取与处理流程由DeepGHS团队自主研发的系统驱动，确保了数据采集的高效性与规范性。为了适配不同的应用场景，数据集提供了多种预处理版本，包括原始元数据包、短边不超过800或1200像素的标准化图像，以及经过三阶段裁剪、最小面积不低于480×480像素的增强版本，从而满足从模型训练到图像生成等多样化需求。

特点

本数据集的核心特点在于其精细的标签体系与丰富的变体覆盖。所有图像均剔除了角色的核心描述标签（如双马尾、棕眼、短发等），以突出场景与姿态的多样性。通过标签聚类分析，数据集揭示了角色在不同装束下的视觉分布，例如水手服、和服、校服等七大类主题，每类均包含若干样本，并附有可视化预览，便于研究者快速理解数据的内在结构。这种基于标签的聚类不仅展现了角色在多种场景下的形态，还为后续的模型泛化能力评估提供了可靠基准。

使用方法

数据集的使用方式灵活多样，支持通过HuggingFace Hub直接下载各版本压缩包。对于需要原始元数据的用户，推荐采用Waifuc库进行加载，具体流程包括：首先通过hf_hub_download函数获取dataset-raw.zip文件，解压至本地目录后，利用LocalSource接口即可轻松遍历图像及其关联标签。此外，数据集还提供了IMG+TXT格式的标准化包，可直接用于深度学习框架的常规训练流程。研究者可根据实际需求，选择合适的分辨率或裁剪版本，从而高效集成至文本到图像生成或图像分类等任务中。

背景与挑战

背景概述

在文本到图像生成领域，高质量、细粒度的角色数据集是驱动模型精准刻画特定视觉概念的关键资源。CyberHarem/sendai_kantaicollection数据集由DeepGHS团队于近年创建，聚焦于《舰队Collection》中的知名角色“川内”，收录了500张经过严格标注的图像。该数据集的研究核心在于为动漫风格的角色生成提供标准化的训练素材，通过自动爬取Danbooru、Pixiv等多个平台的图像，并利用Waifuc工具进行标签化处理，解决了角色数据集分散、标注不统一的问题。其影响力体现在为二次元角色定制化生成任务（如服装变体、姿态控制）奠定了数据基础，推动了动漫领域文本到图像模型的精细化发展。

当前挑战

该数据集面临的核心挑战包括：其一，所解决的领域问题——角色生成中的视觉一致性，由于动漫角色在不同画师风格下呈现巨大差异，数据集虽通过标签聚类（如serafuku、kimono等服饰簇）尝试归纳特征，但500张样本的规模难以覆盖川内角色在多样化场景、姿态和光照条件下的完整视觉分布，导致模型可能产生风格漂移或细节失真。其二，构建过程中的挑战——数据清洗与标签噪声，自动爬取系统虽高效，但来自不同来源的图像在分辨率、构图和标签准确性上存在不一致性，例如部分图像可能包含错误或冗余标签，而手动修正大规模数据的成本高昂，这影响了数据集的纯净度与训练效果。

常用场景

经典使用场景

在文本到图像生成的研究领域中，CyberHarem/sendai_kantaicollection数据集为动漫角色‘川内’（出自《舰队Collection》）的精细化生成提供了宝贵的资源。该数据集包含500张经过严格筛选和标注的图像，核心标签如双马尾、棕眼、短发等被精心修剪，以确保角色特征的统一性与辨识度。研究者常利用此数据集进行扩散模型或生成对抗网络的微调训练，旨在提升模型对特定二次元角色风格与细节的还原能力，从而推动个性化图像生成技术的发展。

解决学术问题

该数据集有效解决了动漫角色图像生成中因数据稀缺而导致的过拟合与泛化能力不足问题。通过提供多来源（如Danbooru、Pixiv）的高质量图像及结构化标签，它支持研究者探索条件生成模型在细粒度属性控制（如服装、表情、视角）下的表现。此外，数据集内置的聚类结果（如不同服饰变体）为分析角色多模态表征提供了基准，助力学术前沿在可控图像合成与风格迁移领域的理论突破。

衍生相关工作

基于此数据集，研究者已衍生出多项经典工作，包括利用Waifuc框架实现的高效数据流水线，以及针对动漫图像的3阶段裁剪（stage3）预处理策略，显著提升了训练数据的质量与多样性。此外，标签聚类分析为角色服饰风格挖掘提供了新思路，催生了诸如‘服装迁移’与‘角色解耦表征’等研究方向。这些工作不仅丰富了文本到图像领域的基准测试，也为后续跨角色、跨数据集的泛化研究奠定了方法论基础。