CyberHarem/miyamori_aoi_shirobako

这是Miyamori Aoi的数据集，包含300张图像及其标签。图像从多个网站（如danbooru, pixiv, zerochan等）爬取，自动爬取系统由DeepGHS Team开发。数据集包括原始数据、不同尺寸的对齐数据集以及不同阶段裁剪的数据集。This is a dataset for Miyamori Aoi, comprising 300 images and their associated labels. The images were collected via web crawling from multiple platforms including danbooru, pixiv, zerochan, and others. The automated crawling system was developed by the DeepGHS Team. This dataset encompasses raw data, aligned datasets with varying dimensions, as well as datasets cropped at different processing stages.

原始信息汇总

宫森葵数据集

概述

• 数据集名称：宫森葵数据集
• 包含内容：300张图片及其标签
• 数据来源：从多个网站爬取，包括danbooru、pixiv、zerochan等

数据集版本

名称	图片数量	描述
raw	300	包含元信息的原始数据
raw-stage3	646	包含元信息的3阶段裁剪原始数据
384x512	300	384x512对齐数据
512x512	300	512x512对齐数据
512x704	300	512x704对齐数据
640x640	300	640x640对齐数据
640x880	300	640x880对齐数据
stage3-640	646	短边不超过640像素的3阶段裁剪数据
stage3-800	646	短边不超过800像素的3阶段裁剪数据
stage3-1200	646	短边不超过1200像素的3阶段裁剪数据

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，高质量图像与精准标注的获取是支撑文本到图像生成模型训练的关键。该数据集聚焦于《白箱》中的角色宫森葵，通过自动化爬虫系统从Danbooru、Pixiv、Zerochan等多个图像平台采集原始图像，并经过严格筛选与整理，最终收录300张图像及其对应标签。数据集的构建不仅包含原始图像及其元信息，还提供了经过三阶段裁剪处理的不同分辨率版本，如384x512、512x512、512x704、640x640和640x880等对齐格式，以及短边不超过640、800、1200像素的裁剪版本，以满足不同训练需求。

特点

该数据集的核心特点在于其多样化的图像尺寸与裁剪版本设计，共计提供10种不同格式的下载选项。原始版本保留完整元信息，而三阶段裁剪版本则通过智能裁剪技术优化图像构图，使角色主体更加突出。数据集包含646张经过三阶段裁剪的图像，相比原始300张图像数量翻倍，这得益于裁剪过程中对图像区域的合理拆分与扩展。此外，所有图像均经过对齐处理，确保在特定分辨率下保持一致的视觉布局，便于直接用于模型训练。

使用方法

该数据集专为文本到图像生成任务设计，尤其适用于动漫角色生成模型的微调与评估。用户可根据模型输入尺寸需求选择对应分辨率版本，例如使用512x512版本训练方形图像生成模型，或采用640x880版本适配宽高比要求。三阶段裁剪版本适合需要更多训练样本的场景，而原始版本则便于研究者自定义预处理流程。数据集以ZIP压缩包形式提供，下载后可直接解压使用，图像文件与标签文件结构清晰，方便集成到常见的深度学习训练框架中。

背景与挑战

背景概述

在文本到图像生成领域，高质量、精细标注的特定角色数据集是推动模型在动漫二次元风格下实现精准人物生成的关键资源。CyberHarem团队于近期构建了名为miyamori_aoi_shirobako的数据集，聚焦于《白箱》中的经典角色宫森葵。该数据集由DeepGHS团队主导开发，从Danbooru、Pixiv、Zerochan等多个知名动漫图站自动抓取并筛选出300张高质量图像及其对应标签，旨在为研究者提供一个标准化、多分辨率的角色图像库。其核心研究问题在于如何通过有限的样本量实现角色特征的高保真复现，并探索数据预处理（如多阶段裁剪与尺寸对齐）对生成模型性能的影响。该数据集的发布为动漫角色定制化生成研究提供了重要基准，尤其在小样本学习与风格迁移领域具有示范意义。

当前挑战

当前数据集面临的主要挑战包括：其一，领域问题层面，动漫角色生成需在图像分类基础上实现细粒度特征理解，宫森葵的辨识依赖于发型、服饰等局部细节，而300张样本量对捕捉这些微妙特征构成显著困难，易导致生成结果出现身份混淆或特征缺失。其二，构建过程中，多源站点数据自动抓取面临版权合规性与标签一致性难题，不同平台对图像的标注标准各异，需人工校验以保证标签准确性；此外，多分辨率版本（如384×512至640×880）虽增强了灵活性，却对模型在不同尺度下的泛化能力提出更高要求，而三阶段裁剪策略虽优化了构图，却可能引入背景丢失或主体畸变的风险，增加了数据质量控制的复杂度。

常用场景

经典使用场景

该数据集以经典动画作品《白箱》中的角色宫森葵为核心，收录了300幅经过精细标注的角色图像，广泛应用于文本到图像生成模型的微调与风格迁移任务。在动漫角色生成领域，研究者常借助此类高质量、多尺寸对齐的数据集，训练模型准确捕捉角色面部特征、服饰细节与动态姿态，从而提升生成图像的角色一致性与视觉保真度。同时，数据集提供原始元信息与多阶段裁剪版本，便于探索不同预处理策略对生成效果的影响，成为角色专属图像生成研究中的基准资源。

实际应用

在实际应用层面，该数据集可服务于动漫IP的自动化内容生产，例如辅助创作者快速生成角色立绘、表情包或宣传物料。通过微调Stable Diffusion等开源模型，企业能够低成本定制专属角色生成工具，用于游戏角色设计、虚拟主播形象创建或粉丝二创社区。此外，多尺寸对齐版本直接适配不同终端显示需求，从手机壁纸到高清海报均可一键生成，显著降低了人工绘制与后期处理的时间成本，推动了动漫产业中AI辅助创作流程的落地。

衍生相关工作

该数据集衍生出一系列围绕角色一致性生成与数据增强的经典工作。研究者基于其多阶段裁剪数据，提出了针对动漫角色的语义保持超分辨率方法，以及融合角色标签的注意力调控生成框架。部分工作进一步扩展了数据集规模，通过混合多个角色数据集训练通用角色生成模型，并引入对比学习机制以强化角色身份辨识。这些衍生研究不仅验证了该数据集在角色专属生成任务中的有效性，还启发了后续工作对数据预处理、标签体系与模型架构的联合优化，形成了从数据到算法的良性研究闭环。