Датасет · Amber-River
Коллекция из 2,6 млн иллюстраций и тегов с Pixiv
Amber-River/Pixiv-2.6M
Крупный корпус изображений с Pixiv на английском и японском для генерации и тегирования.
Что внутри
Датасет содержит 2,6 миллиона изображений, собранных с платформы Pixiv при помощи краулера на Python и Selenium. Автор целенаправленно собирал посты по тегам, которых не хватает или которые запрещены в базе Danbooru (например, пейзажи и откровенный контент). Сопровождается разметкой на английском и японском языках.
Что можно сделать
- Обучение или дообучение text-to-image моделей и LoRA в аниме-стилистике
- Тренировка автоматических теггеров и моделей описания иллюстраций (image-to-text)
- Извлечение визуальных признаков и классификация артов
- Задачи
- Классификация картинок, Картинка → текст, Картинка → картинка, Текст → картинка, image feature extraction
- Языки
- Английский, Японский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 1,3 тыс.
- Лайков
- 48
- Доступ
- по запросу на Hugging Face
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("Amber-River/Pixiv-2.6M")