CyberHarem/vert_azurlane

这是一个关于vert/ベール/贝露（Azur Lane）角色的数据集，包含500张图片及其标签。图片来源于多个网站（如danbooru、pixiv、zerochan等），并由DeepGHS Team的自动爬取系统收集。数据集的核心标签包括`blonde_hair, long_hair, breasts, blue_eyes, large_breasts, very_long_hair`，这些标签在数据集中已被修剪。这是一个关于vert/ベール/贝露（Azur Lane）角色的数据集，包含500张图片及其标签。图片来源于多个网站（如danbooru、pixiv、zerochan等），并由DeepGHS Team的自动爬取系统收集。数据集的核心标签包括`blonde_hair, long_hair, breasts, blue_eyes, large_breasts, very_long_hair`，这些标签在数据集中已被修剪。

原始信息汇总

数据集概述

基本信息

• 名称: Dataset of vert/ベール/贝露 (Azur Lane)
• 许可证: MIT
• 任务类别: text-to-image
• 标签: art, not-for-all-audiences
• 大小类别: n<1K

数据集内容

• 包含: 500张图像及其标签
• 核心标签: blonde_hair, long_hair, breasts, blue_eyes, large_breasts, very_long_hair

数据集包

名称	图像数量	大小	类型	描述
raw	500	587.30 MiB	Waifuc-Raw	原始数据，包含元信息，最小边对齐至1400像素（如果更大）
800	500	354.36 MiB	IMG+TXT	短边不超过800像素的图像数据
stage3-p480-800	1124	710.84 MiB	IMG+TXT	三阶段裁剪，区域不小于480x480像素的图像数据
1200	500	526.67 MiB	IMG+TXT	短边不超过1200像素的图像数据
stage3-p480-1200	1124	982.18 MiB	IMG+TXT	三阶段裁剪，区域不小于480x480像素的图像数据

加载方式

• 使用工具: waifuc

• 加载代码示例: python import os import zipfile

  from huggingface_hub import hf_hub_download from waifuc.source import LocalSource

  下载原始档案文件

  zip_file = hf_hub_download( repo_id=CyberHarem/vert_azurlane, repo_type=dataset, filename=dataset-raw.zip, )

  提取文件至目录

  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

• 示例:

  #	样本数	标签（部分）
  0	5	1girl, blush, looking_at_viewer, nipples, solo, navel, pussy, smile, spread_legs, censored, completely_nude, open_mouth
  1	16	1girl, bare_shoulders, cleavage, gloves, looking_at_viewer, solo, smile, blush, open_mouth
  2	7	1girl, bare_shoulders, blush, cleavage, hair_flower, looking_at_viewer, smile, solo
  3	15	1girl, bikini, blush, looking_at_viewer, solo, cleavage, smile, navel, open_mouth
  4	5	1girl, barefoot, blush, foot_focus, smile, soles, solo, toes, cleavage, looking_at_viewer, bare_shoulders, nipples, panties
  5	12	1boy, 1girl, blush, hetero, smile, nipples, paizuri, penis, solo_focus, open_mouth, mosaic_censoring, huge_breasts, looking_at_viewer, white_gloves
  6	7	detached_collar, looking_at_viewer, playboy_bunny, rabbit_ears, wrist_cuffs, 1girl, cleavage, solo, fake_animal_ears, pantyhose, rabbit_tail, blush, smile, bowtie, green_leotard, huge_breasts, strapless_leotard
  7	5	1girl, armlet, bangs, bare_shoulders, blush, cleavage, french_braid, frilled_gloves, hair_between_eyes, half_updo, halterneck, looking_at_viewer, ribbon, solo, turtleneck, white_gloves, brooch, closed_mouth, light_smile, see-through, standing, white_background, company_name, full_body, lace, multicolored_dress, side_slit, sidelocks, simple_background, v_arms, wavy_hair, white_dress, white_footwear, character_name, copyright_name, cowboy_shot, detached_collar, elbow_gloves, green_footwear, knee_boots, multicolored_footwear, upper_body

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》中的角色“贝露”（vert），本数据集通过自动化爬取技术从Danbooru、Pixiv、Zerochan等多个知名图像平台采集了500张高质量图片。爬取系统由DeepGHS团队开发，确保了数据的多样性与覆盖面。原始图像经过边缘对齐至1400像素的预处理后，以原始元数据形式存储。为满足不同训练需求，数据集进一步提供了多种规格的压缩版本，包括短边不超过800或1200像素的标准化图像，以及采用三阶段裁剪策略生成的480x480像素以上区域裁剪版本，最终形成包含1124个样本的增强数据集。

特点

该数据集的核心特征在于其精细化的标签体系与多版本结构。所有图像均保留了丰富的元标签，如blonde_hair、long_hair等角色核心特征，并已进行冗余修剪。数据集提供了raw、800、1200及三阶段裁剪等多种包格式，用户可根据模型训练对分辨率与裁剪策略的偏好灵活选择。此外，数据集还包含标签聚类结果，将图像按视觉风格与标签组合分为8个簇，例如完全裸露、比基尼、兔女郎装扮等，便于研究者挖掘特定服饰或场景的子集，从而支持细粒度的文本到图像生成任务。

使用方法

使用本数据集时，研究者可通过HuggingFace Hub直接下载所需的压缩包。对于需要原始元数据的场景，推荐使用raw版本并结合waifuc库加载，示例代码展示了如何通过hf_hub_download下载并解压zip文件，随后利用LocalSource迭代访问每张图像及其文件名与标签。对于常规训练，可直接解压800或1200版本的IMG+TXT格式文件，其中图像与对应的文本标签一一对应。三阶段裁剪版本适用于需要关注局部区域细节的生成任务。数据集支持直接集成到基于PyTorch或TensorFlow的文本到图像生成流程中，仅需按标准方式读取图像与标签对即可。

背景与挑战

背景概述

在生成式人工智能与动漫文化交汇的浪潮中，高质量、细粒度的角色图像数据集成为驱动文本到图像生成模型发展的关键基石。CyberHarem/vert_azurlane数据集由DeepGHS团队于近期创建，聚焦于《碧蓝航线》中角色“贝露”（vert/ベール），收录了500张精心筛选的图像及其对应标签。该数据集的核心研究问题在于如何为特定虚拟角色构建一个兼具多样性与标注精度的图像集合，以支撑角色定制化生成、风格迁移等下游任务。其影响力体现在为动漫领域的数据驱动研究提供了标准化样本，尤其为少样本学习场景下的角色概念捕捉树立了范例。

当前挑战

该数据集面临的核心挑战包括：其一，领域问题层面，文本到图像生成任务要求模型精准理解角色视觉特征（如发型、服饰、姿态）与文本标签的映射关系，而动漫角色常存在大量跨作品相似性，导致模型易混淆角色身份；其二，构建过程中，图像来源分散于Danbooru、Pixiv等多平台，面临版权合规与内容审核的难题，部分图像包含不适宜公开内容需谨慎处理；其三，数据规模仅500张，远小于通用图像数据集，在训练生成模型时易引发过拟合，且类别分布不均（如部分服饰变体样本稀少）进一步加剧了生成质量的波动性。

常用场景

经典使用场景

CyberHarem/vert_azurlane数据集专注于《碧蓝航线》角色贝露的二次元图像与标签配对，广泛用于文本到图像的生成模型训练。研究者常利用其500张高分辨率图像及精细化标签（如发型、服装、姿态），结合waifuc等框架进行数据增强与裁剪，以提升扩散模型（如Stable Diffusion）在特定角色生成上的可控性与保真度。该数据集还支持标签聚类分析，为多模态学习中的细粒度特征解耦提供基准。

衍生相关工作

该数据集衍生出多项经典工作，包括基于标签聚类的角色分群方法，用于挖掘不同服装与场景的潜在关联；以及结合waifuc框架的自动化数据流水线，推动了大规模二次元数据集构建的标准化流程。此外，研究者利用其多分辨率版本验证了图像裁剪策略对生成质量的影响，相关成果为后续数据集设计提供了可复现的实践经验。

数据集最近研究

最新研究方向

在生成式人工智能与数字内容创作交叉领域，该数据集聚焦于动漫角色精细特征的多模态对齐与可控生成。随着Stable Diffusion等文本到图像模型的爆发式增长，角色一致性成为虚拟偶像与二次元产业的前沿挑战。CyberHarem/vert_azurlane通过提供高标注密度的贝露角色图像，特别是针对发型、瞳色、着装等核心标签的精细化裁剪与聚类分析，为少样本角色定制与风格迁移研究提供了关键基准。其多分辨率版本与阶段式裁剪方案，显著推动了面向特定IP的个性化模型微调技术，在降低计算开销的同时提升了生成内容的语义保真度，对数字娱乐与虚拟人生态的工业化落地具有重要的方法论意义。