资源描述
DiffusionDB 是一个包含数百万条真实用户提示词及其对应图像与生成参数的大规模数据集。它汇集了 Stable Diffusion 等模型的真实交互数据，涵盖提示词、种子值、权重等详细信息。该资源是研究提示词工程、分析人类创作意图、微调文生图模型以及获取设计灵感的宝贵数据源，适用于AI研究人员、算法工程师及AIGC创作者。
详细内容
# 数据集背景与来源
DiffusionDB（Stable Diffusion Prompts）是由 Polo Club 等团队构建的大规模提示词数据集。该数据集主要从 Lexica 等开源社区和平台收集，记录了真实用户使用 Stable Diffusion 等文生图模型时输入的真实提示词（Prompts）及系统生成的对应图像。其旨在为AI生成内容（AIGC）领域提供真实、多样化的人类交互数据。
# 数据规模与标注信息
- **数据规模**：包含数百万条真实的提示词与图像配对数据，覆盖极其广泛的主题与风格。
- **标注与字段信息**：
- **Prompt**：用户输入的原始文本提示词。
- **Image**：对应的生成图像链接或哈希标识。
- **生成参数**：详细记录了 Seed（随机种子）、CFG Scale（提示词相关性权重）、Steps（采样步数）、Sampler（采样器类型）以及模型版本等关键生成参数。
- **元数据**：包含创建时间等辅助信息，便于时间序列分析。
# 典型应用场景
1. **提示词工程研究**：分析人类如何构建有效的提示词，研究词汇权重、语法结构及负面提示词对图像生成质量的影响。
2. **模型微调与对齐**：利用真实人类偏好数据，通过偏好对齐技术优化文生图模型，使其生成结果更符合人类审美和意图。
3. **AIGC 行为分析**：研究用户的创作习惯、热门主题趋势以及提示词的演变规律。
4. **设计灵感与素材库构建**：为设计师和创作者提供海量的真实提示词参考，辅助构建高质量的图像生成模板。
# 使用注意事项
- **数据清洗**：真实用户输入包含大量噪声、拼写错误或无效提示词，使用前建议进行文本清洗，并结合安全过滤器去除 NSFW（不适宜工作场所）或低质量图像。
- **参数严格匹配**：在复现特定图像时，需确保使用的模型版本、采样器和随机种子与数据集中记录的参数严格一致，否则无法得到完全相同的结果。
- **合规与版权**：在用于商业模型训练或产品发布时，需遵守数据集的开源许可协议，注意规避潜在的版权争议与生成内容的安全合规风险。