見出し画像

【Anima】キャラLoRAは35枚でも作れる？実際に作って検証してみた

AIが好きな人

「キャラLoRAって、何枚画像用意すればいいの？」

調べると、

  • 50〜100枚は欲しい

  • 少ないと再現できない

  • 多すぎても過学習してしまう

という話をよく見かけます。

正直、私はそんなに用意できませんでした。

とりあえず35枚集めて、ダメ元で作ってみました。

結果――

思っていたより全然よかったです。

しかも学習画像はほぼ同じ服装しか使っていないのに、

  • 制服

  • 浴衣

  • 水着

まで普通に出せました。

これは正直、棚からぼたもちでした。

今回は、

「枚数が少ないけど、とりあえずLoRAを作ってみた人」向けに、35枚LoRAの実力を正直に検証してみます。

① 今回作成したLoRAについて

今回作成したLoRAの概要です。
Trigger Word（キャラの名前）

amatsumugi_shion
学習させたときのcaption例、数枚分

学習枚数

35枚

キャラクターの特徴

  • 黒髪＋青メッシュ

  • 青目

  • 猫耳ヘッドホン

  • AI OTAKUパーカー

  • X字ヘアピン

【画像：学習画像数枚】

今回の学習画像は、ほぼ同じ服装で統一しました。
（AI OTAKU と書かれた黒パーカー）

とにかく

「この服装だけは覚えてほしい」

という意図で作っています。

② 基本再現テスト

まずは最小限のプロンプトで生成してみました。

1girl,
amatsumugi_shion

LoRAを学習したんだから、この2語だけでもある程度再現されるはず――

そう期待していました。

実際の結果はこちら。

【髪色・目の色・全体的な雰囲気が崩れている失敗例】

Trigger Wordだけでは完全再現できなかった

生成結果を見ると、

  • 髪色

  • 目の色

  • 服装

などがズレていました。

ただし、LoRAの影響はしっかり確認できます。

例えば、

  • 白い瞳孔

  • インナーカラー

  • 絵柄の雰囲気

などです。

つまり、

LoRAは効いている。

しかし、

Trigger Wordだけで完全再現するほどではなかった。

という結果でした。

これは正直少し予想外でした。

ただ、後から考えると、

むしろ悪い挙動ではありませんでした。

理由は後ほど説明します。

特徴を追加するとどうなる？

次にキャラクターの特徴を追加してみました。

 1girl,
 amatsumugi_shion,
 blue eyes, 
 black hair,
 blue colored inner hair,
 x hair ornament,
 cat ear headphones,
 black hoodie,
【画像：上半身比較（左：LoRAあり・右：LoRAなし）】
【画像：全身比較（左：LoRAあり・右：LoRAなし）】

すると、

かなり安定して再現されるようになりました。

LoRA作成前との違い

LoRA作成前は、

  • 黒髪

  • 青メッシュ

  • 青目

  • 猫耳ヘッドホン

  • パーカー

  • X字ヘアピン

に加えて、

  • パーカーの文字

  • 絵柄（塗り感）

  • 雰囲気

なども細かく指定していました。

その結果、

プロンプトがかなり長くなっていました。

しかしLoRA作成後は、

キャラの特徴を補助するだけで再現できる状態になりました。

Trigger Wordだけでは足りない。

でも、

必要なプロンプト量は大幅に減った。

これはかなり大きな変化です。

個人的には、

プロンプトが短くなったことが一番うれしかったです。

③ 構図・服装・背景テスト

学習画像には、

  • 顔アップ

  • 上半身

  • 全身

など様々な構図を含めていました。

そこで次は、

構図や服装を変更して検証してみました。

基本プロンプトはこちら。

1girl,
amatsumugi_shion,
blue eyes,
black hair,
blue colored inner hair,
cat ear headphones,
x hair ornament,
[服装],
[背景・シチュエーション]

浴衣＋河川敷＋手持ち花火

結果

  • 猫耳ヘッドホン

  • X字ヘアピン

  • 青メッシュ

  • 青目

すべて維持。

学習画像はAI OTAKUパーカーばかりだったにもかかわらず、

浴衣が普通に出ました。

これは今回いちばんの驚きでした。

水着＋海＋ジャンプ

結果

  • 黒髪

  • 青メッシュ

  • 青目

  • X字ヘアピン

を維持。

さらに、

ヘッドホンをプロンプトから抜くと、

ちゃんと外れた状態で生成されました。

ジャンプのような動きのあるポーズも問題ありませんでした。

パーカー＋カフェ＋横顔

結果

  • 猫耳ヘッドホン

  • 青メッシュ

  • 青目

を維持。

さらに、

髪型をポニーテールに変更しても成立。

横顔や斜めアングルの指定をしても再現できました。

④ 作風変更テスト

最後に、animaなので@にてアーティストタグをつけて遊んでみました。
結果はこちら、

作風を変えてもキャラの特徴は維持されました。

  • 黒髪

  • 青メッシュ

  • 青目

  • 猫耳ヘッドホン

  • X字ヘアピン

これらはほぼ共通して再現されます。

つまりLoRAは、

「キャラクターの核」

を学習している可能性が高そうです。

ベースモデルの塗りや作風が変わっても、

キャラクター性は維持されていました。

⑤ 総評

35枚で作成したキャラLoRAの結果をまとめると、こんな感じでした。


顔・目の色・青メッシュ✅
安定猫耳ヘッドホン・X字ヘアピン✅
ほぼ再現服装変更✅
可能構図変更✅
ポーズ変更✅
作風変更✅
Trigger Word、キャラ名のみで完全再現❌ 難しい

想像以上に良かった

正直、

35枚では厳しいと思っていました。

しかし実際は、

キャラクターの核となる特徴は十分学習できていました。

Trigger Wordだけでは完璧ではありません。

それでも、

特徴を少し補助するだけで安定して再現できる状態

にはなりました。

LoRA作成前と比べると、

必要なプロンプト量は大幅に減っています。

それだけでも作る価値は十分ありました。

今回一番の発見

今回いちばん驚いたのは、

服装変更が普通にできたことです。

学習画像はほぼAI OTAKUパーカーでした。

それなのに、

  • 制服

  • 浴衣

  • 水着

が普通に出ました。

ここから考えると、

LoRAが学習しているのは

「服装」ではなく「キャラクター本体」

なのかもしれません。

学習していたのは、

  • 顔

  • 髪

  • 目

  • 雰囲気

といったキャラクターの核。

一方、

服装や髪型はプロンプトで制御できる余地として残っていた。

そんな挙動に見えました。

まとめ

35枚のキャラLoRAは、

決して完璧ではありませんでした。

しかし、

「キャラを安定して再現する」

という目的であれば十分実用レベルでした。

そして何より、

LoRAを作る前より圧倒的にプロンプトが短くなります。

もし今、

「画像枚数が足りないからLoRA作成を迷っている」

という方がいるなら、

まずは作ってみるのもアリだと思います。

私自身、

35枚でも想像以上の結果が得られました。

あとがき

時間があれば、今回使用した35枚の学習画像について、

  • なぜその構図を選んだのか

  • どんなことを意識して用意したのか

  • 実際に使用したプロンプト

なども別の記事でまとめたいと思っています。

実際に35枚分の画像を用意し、それぞれ異なる構図やシチュエーションを考えるのは想像以上に大変でした。

これからキャラLoRAを作ろうとしている方の参考になるように、機会があればそのあたりも詳しく紹介したいと思います。

最後まで読んでいただき、ありがとうございました。

いいなと思ったら応援しよう！