CyberHarem/lin_arknights

这是一个名为lin/リン/林 (Arknights)的数据集，包含282张图片及其标签。核心标签包括动物耳朵、老鼠耳朵、长发、胸部、粉红头发、紫色眼睛、发带、黑色发带、中等胸部、老鼠女孩、粉红眼睛、眼睛之间的头发。图片从多个网站（如danbooru、pixiv、zerochan等）爬取，爬取系统由DeepGHS团队提供。数据集分为多个包，包括原始数据包、1200像素限制的数据包和三阶段裁剪的数据包。此外，还提供了使用Waifuc加载原始数据集的代码示例，并列出了标签聚类结果。This is a dataset titled lin/リン/林 (Arknights), which contains 282 images and their corresponding tags. Its core tags include animal ears, mouse ears, long hair, chest, pink hair, purple eyes, hairband, black hairband, medium breasts, mouse girl, pink eyes, and hair between eyes. The images were crawled from multiple websites such as Danbooru, Pixiv, Zerochan, and other platforms, and the crawling system was provided by the DeepGHS team. The dataset is divided into multiple packages, including the original raw package, the 1200-pixel limited package, and the three-stage cropped package. Additionally, code examples for loading the raw dataset using Waifuc are provided, and the tag clustering results are also listed.

原始信息汇总

数据集概述：lin/リン/林 (Arknights)

数据集基本信息

• 名称：lin/リン/林 (Arknights)
• 包含内容：282张图像及其标签
• 核心标签：animal_ears, mouse_ears, long_hair, breasts, pink_hair, purple_eyes, hairband, black_hairband, medium_breasts, mouse_girl, pink_eyes, hair_between_eyes
• 许可证：MIT
• 任务类别：text-to-image
• 标签：art, not-for-all-audiences
• 大小类别：n<1K

数据集包列表

名称	图像数量	大小	下载链接	类型	描述
raw	282	560.40 MiB	下载链接	Waifuc-Raw	包含元信息的原始数据（如果较大，最小边对齐至1400像素）
1200	282	456.91 MiB	下载链接	IMG+TXT	短边不超过1200像素的数据集
stage3-p480-1200	721	898.63 MiB	下载链接	IMG+TXT	三阶段裁剪数据集，区域不小于480x480像素

数据集标签集群列表

集群详情

#	样本数量	标签（部分示例）
0	9	1girl, black_dress, long_sleeves, looking_at_viewer, solo, closed_mouth, simple_background, white_background, upper_body, wide_sleeves, buttons, hair_intakes, purple_hair, jewelry, large_breasts
1	6	1girl, black_dress, closed_mouth, holding_sword, long_sleeves, looking_at_viewer, solo, wide_sleeves, cowboy_shot, pantyhose, purple_hair
2	6	1girl, black_dress, black_pantyhose, long_sleeves, looking_at_viewer, simple_background, solo, white_background, wide_sleeves, belt, parted_lips, cowboy_shot
3	15	1girl, bare_shoulders, black_bikini, eyewear_on_head, looking_at_viewer, navel, off_shoulder, official_alternate_costume, solo, sunglasses, black_shorts, stomach, cowboy_shot, short_shorts, black_choker, cleavage, white_background, necklace, purple_jacket, long_sleeves, purple_hair, simple_background, thigh_strap, hairclip, standing, large_breasts, holding, open_jacket, very_long_hair
4	11	1girl, black_bikini, black_choker, black_shorts, blue_sky, day, eyewear_on_head, navel, official_alternate_costume, outdoors, short_shorts, stomach, sunglasses, bare_shoulders, cowboy_shot, long_sleeves, looking_at_viewer, off_shoulder, solo, open_jacket, purple_jacket, watermelon, cloud, green-tinted_eyewear, ponytail, standing, thigh_strap, cleavage, hairclip, holding, ocean, beach, hand_on_own_hip, necklace, open_fly, purple_hair

搜集汇总

数据集介绍

构建方式

在动漫图像生成领域，高质量、标注清晰的角色数据集对模型训练至关重要。CyberHarem/lin_arknights 数据集聚焦于游戏《明日方舟》中的角色“林”，通过自动化爬取系统从 Danbooru、Pixiv、Zerochan 等多个知名图像平台采集原始图像，共收录 282 张图片及其对应的标签。数据集构建过程中，对核心标签如兽耳、鼠耳、长发、粉发、紫瞳等进行了精简处理，以提升标签的针对性与训练效率。为满足不同应用场景，数据集提供了三种打包版本：原始数据包（含元信息，短边对齐至 1400 像素）、短边不超过 1200 像素的标准化版本，以及经过三阶段裁剪、面积不低于 480×480 像素的增强版本。

特点

该数据集最显著的特点在于其多层次的标签聚类结构，通过自动聚类算法将图像依据服饰、姿态、背景等视觉特征划分为多个簇，例如黑色连衣裙、泳装、持剑等不同风格，每个簇均附有详细的标签列表与样本缩略图，便于研究人员挖掘角色的不同装扮与场景模式。此外，数据集提供了原始元数据与标准化图像两种格式，原始版本可配合 Waifuc 框架实现灵活的标签加载与图像处理，而裁剪版本则直接适配于文本到图像的生成任务。整体上，数据集在规模虽小（不足千张）但标签丰富、组织有序，兼顾了研究探索与工程落地的双重需求。

使用方法

使用者可通过 Hugging Face Hub 直接下载数据包，并利用 Python 代码轻松加载。以原始数据集为例，用户需先通过 hf_hub_download 函数下载 dataset-raw.zip 文件，解压至指定目录后，借助 Waifuc 库的 LocalSource 接口即可逐项访问图像及其元信息，包括文件名与标签列表。对于标准化或裁剪版本，可直接解压后作为图像-文本对用于训练文本到图像模型。数据集的聚类结果以表格形式呈现，用户可据此筛选特定风格的图像子集，或结合标签进行进一步的分析与微调，从而高效地应用于角色定制化生成任务。

背景与挑战

背景概述

在生成式人工智能与数字艺术交融的时代，文本到图像（text-to-image）模型的发展催生了大量针对特定角色或风格的专业化数据集。CyberHarem/lin_arknights数据集由DeepGHS团队于近期创建，聚焦于手机游戏《明日方舟》中的人气角色“林”。该数据集包含282张经过精细标注的图像，核心标签涵盖动物耳、长发、紫瞳等角色特征，旨在为研究者提供高质量、多视角的角色图像素材。其构建依托自动化爬取系统，整合了Danbooru、Pixiv等多个艺术社区的公开资源，在角色识别与图像生成领域具有重要参考价值，尤其为少样本学习、风格迁移及个性化模型微调提供了坚实的数据基础。

当前挑战

该数据集所解决的领域问题主要围绕文本到图像生成中的角色一致性挑战，即在多样化场景与姿态下保持特定角色外貌特征的稳定性。构建过程中面临多重挑战：首先，数据来源的异构性导致图像分辨率、画风及标注质量参差不齐，需进行严格的筛选与标准化处理；其次，角色“林”在不同作品中的服饰、表情与背景差异显著，如何通过标签聚类有效区分不同装扮（如黑色连衣裙与比基尼泳装）并保持语义连贯性成为难点；此外，自动化爬取需规避版权与隐私风险，确保数据合规性，同时平衡样本数量与多样性，以支持下游任务如角色换装或跨模态检索的鲁棒性需求。

常用场景

经典使用场景

CyberHarem/lin_arknights数据集专为文本到图像生成任务而设计，其核心用途在于驱动基于扩散模型的二次元角色定制化生成。该数据集收录了282张来自Danbooru、Pixiv等平台的'林'（Arknights）角色图像，并附有精细的标签体系，涵盖服饰、姿态、场景等视觉元素。研究者可借助此数据集微调Stable Diffusion等模型，实现从文本描述到特定角色图像的精准映射，尤其适用于角色一致性生成与风格迁移研究。

解决学术问题

该数据集直面二次元角色生成中数据稀缺与标签异构的学术挑战。通过提供结构化标签与多分辨率版本（如1200像素裁剪版），它解决了模型训练中数据标准化不足的问题，为探索细粒度视觉概念解耦、属性组合生成及跨模态对齐提供了基准。其意义在于推动文本到图像领域从通用生成向角色专属生成演进，并为少样本学习、概念遗忘等前沿课题奠定数据基础。

衍生相关工作

该数据集衍生了多项代表性工作，包括基于Waifuc框架的自动化数据爬取与预处理流程，以及3阶段裁剪策略（stage3-p480-1200）以提升训练效率。在学术层面，它被用于验证角色标签聚类在概念合成中的有效性，并启发了针对二次元角色的对比学习与风格解耦方法。此外，其标签体系为构建跨数据集的角色知识图谱提供了参考，推动了如AnimeGAN等生成模型的领域适配研究。