キャラクターLoRAは、ゲームで必要になるさまざまなポートレート、ポーズ、衣装でも、あなたのオリジナルデザインを見分けられる状態に保つ必要があります。これは互換性のある画像モデル用の、バージョン管理されるアダプターです。ベースモデルや、参考画像を使った既存の編集ワークフローよりも改善が見られる場合に限り、制作に採用する価値があります。1つのポーズでしか同じ人物に見えないキャラクターでは、アーティストに多くの修正作業が残ります。
明らかに成人であるオリジナルの架空キャラクターの、露骨な表現を含まない通常のイラストを使用してください。写真を使う場合は、予定している学習と公開について、被写体と権利者が明確に許可したものを使用します。このガイドが提供するのは計画と評価の手順であり、学習済みモデル、サンプルデータセット、実施済みのベンチマークではありません。選んだアーキテクチャの公式学習手順に従ってください。ある手順の学習率やメモリに関する前提を、他のあらゆるモデルにそのまま適用しないでください。
1. 不足している振る舞いと成功基準を定義する
まず、ベースモデルだけでテストします。ニュートラルなポートレート、横顔と斜め（スリークォーター）のビュー、2種類の通常の表情、座ったポーズ、小道具とのやり取り、2着目の承認済み衣装を含めてください。学習によって減らしたい失敗を記録します。たとえば、顔の特徴のずれ、衣装の細部の欠落、シルエットの不一致、特定の背景以外ではキャラクターの同一性が崩れることなどです。
アダプターの結果を見る前に、受け入れ基準を決めます。キャラクターは承認済みの顔と身体の構造を保つこと、ポーズと衣装を制御できること、重大な人体構造の欠陥で動作が分かりにくくならないこと、完成したアセットがゲーム内の表示サイズで機能することが必要です。手作業で仕上げてよい失敗と、不採用にすべき失敗を決めてください。印象的なポートレートが1枚できても、これらの確認の代わりにはなりません。
2. 学習と公開に必要な権利を確認する
各ソース画像について、制作者、入手元、得ている許可、認められる用途を記録します。依頼制作したイラストをゲームで使う許可があっても、学習、アダプターの公開、ソース画像の再配布まで自動的に認められるわけではありません。これらの用途は権利者と明確に合意してください。実在の人物については、公開写真を同意とみなすのではなく、その人物の同一性をモデルに学習させて公開するという予定の用途について、十分な説明に基づく許可を得てください。
ベースモデルのライセンス、各コンポーネントの利用条件、学習ツールのライセンスを個別に読みます。生成物に別の許可が適用される場合でも、ベースモデルによっては商用の適応、利用規模、地域、再配布に制限があります。生成画像を学習セットに入れる場合は、生成元モデルの合成データと適応に関する条件も確認してください。これらの証拠をデータセットのマニフェストと一緒に保管し、学習実行に料金を支払う前に、利用条件に適合するベースモデルを選びます。
3. デザインを崩さずにバリエーションを選ぶ
意図的に変化を持たせた小さなセットから始めます。正面と横顔、さまざまなカメラ距離、通常の身体ポーズ、照明の変化、複数のニュートラルな背景を含めます。すべての画像で、同じ承認済みデザインの特徴を判断できる程度にはっきり示してください。矛盾する体の比率、ほぼ同じ切り抜き、ぼやけた顔、理由の分からない衣装変更、アーティファクトは除きます。一貫性のない大きなデータセットでは、間違ったキャラクターをより速く学習してしまうことがあります。
キャラクターの同一性と、場面にたまたま含まれる細部を分けます。すべての画像で同じジャケットと背景を使うと、アダプターはその両方をキャラクターに結び付ける可能性があります。プロジェクトの要件を忠実に表すバリエーションを含め、変わる属性をキャプションに記述してください。推奨される画像数は、あくまで計画上の目安として扱います。決まった枚数を達成することより、網羅性と一貫性のほうが重要です。
4. 観察できる内容をキャプションに記述し、混入のない検証セットを確保する
選択した手順でサポートされる、一貫した識別トークンまたは名前を使い、ポーズ、構図の切り取り方、服装、表情、背景を正確に記述します。自動生成されたキャプションは確認してください。誤ったラベルによって、まさに修正したい失敗を学習させてしまうことがあります。ベースモデルのキャプション規則に従い、別のエコシステムのトリガータグ構文を使う場合は、事前に適用できるか確認します。
学習前に検証用の画像とプロンプトを確保します。可能であれば、異なるソースのビューや撮影・制作セッション単位で分割し、ほぼ同じ切り抜きが検証セットに漏れ込まないようにしてください。ポーズ、衣装、照明の組み合わせの一部は学習から除外します。最終テストでは、記憶した画像を単に繰り返すのではなく、新しい通常の場面にキャラクターを展開できるかを確認します。
5. 対応する学習ツールを選び、設定全体を固定する
アーキテクチャ向けに作られた学習ツールを選びます。たとえば、DiffusersのSDXL DreamBooth-LoRAの例、AI Toolkitの対応する設定、ベースモデルの公開元が推奨する学習ツールなどです。開始前に、使用する正確なモデルとアダプターのエクスポート形式がサポートされていることを確認してください。SD1.5用のLoRAスクリプトで、Qwenの編集機能やFLUX.2を正しく学習できるとは限りません。
学習ツールのコミット、環境のバージョン、ベースモデルのリビジョンとハッシュ、エンコーダー/VAEのバージョン、対象モジュール、解像度またはバケット、ランクとアルファ、学習率とスケジュール、オプティマイザー、バッチサイズと勾配累積、混合精度、シード、キャプション処理、検証頻度を記録します。GUIの設定を記憶に頼るのではなく、設定を保存してください。アーキテクチャと蒸留ブランチごとに専用の手順が必要です。その実装で文書化されている既定値を出発点にします。
6. 上限を決めて最初の学習実験を行う
長時間の実行を決める前に、データの読み込み、キャプション、切り抜き、検証画像1枚を確認します。費用と実行時間の予算を設定し、中間チェックポイントとログを保存してください。選んだ解像度とオプティマイザーで、実際のメモリ使用量を測定します。学習と推論では必要なメモリが異なります。アダプターのダウンロードサイズが小さくても、その学習に必要なGPUメモリ容量についてはほとんど分かりません。
サポートされている手順から始め、その後の実行では判断事項を1つずつ変更します。最後のチェックポイントが最善だと決めつけず、比較してください。ランクを上げたり学習量を増やしたりすると、モデルの表現能力が増す一方で、キャラクターが望ましくない細部に結び付くこともあります。データセットに誤りがあれば修正し、新しいバージョンを保存します。ランクを上げることで、データの問題を解決せずに隠してしまうことがあります。
7. アダプター強度、汎化、過学習を比較する
記録済みの同じ検証指示を、ベースモデル単体と、複数のアダプター強度で実行します。意味のある場合は同じシードを使い、複数の試行を確認して、偶然うまくいった1枚だけで結果が決まらないようにしてください。同一性の維持と、指示による制御は別々に評価します。顔が認識できても、学習時のジャケットやポーズに固定されるなら、新しい場面が必要なキャラクターには向きません。
背景の繰り返し、固定的な構図、ソース画像のほぼコピー、新しい衣装への変更の難しさ、アダプター強度とともに増えるアーティファクトなど、過学習の兆候に注意します。横顔や小さな顔で同一性が失われるなど、学習不足も確認してください。学習を延長する前に、以前のチェックポイントとの比較、キャプションの改善、データの再調整を行います。最初に決めたアセット要件を満たす候補を選んでください。
8. 出荷用アート制作パイプラインでアダプターを検証する
予定の形式でエクスポートし、余計な設定のないサポート対象のワークフローでアダプターを読み込んで、検証セットを再現します。ベースモデルとの正確な互換性、トリガーの挙動、強度、アスペクト比、必要なエンコーダー設定を確認してください。未蒸留のベースモデルで学習し、蒸留済みモデルで実行する場合は、文書化された互換性のある方法に従い、移行をテストします。
採用したアセットを複数仕上げ、難しい未学習のテストケースも含めて、エンジン内で確認します。手作業の修正時間と失敗を記録し、制作コスト全体を測定してください。アーティストが承認した参考画像のワークフローを予備として残します。アダプターには、再現性の改善または修正作業の削減が求められます。最終的なアートレビュー、アルファチャンネルの仕上げ、ソースファイルも引き続き作業の一部です。
9. 実態に即したリリースをまとめ、証拠を保管する
公開前に、アダプターと同梱する例の再配布許可を確認します。モデルカードには、正確なベースモデルと対応ローダー、学習目的、互換形式、トリガーまたはキャプションの規則、テスト済みの推奨強度、制限事項、データセットの権利の概要、モデルのバージョン、チェックサム、上流プロジェクトで要求される告知事項を記載してください。評価を自分自身が記録したテストとして説明してよいのは、実際にそのテストを行った場合だけです。
アダプターを共有できるという理由だけで、未加工の学習用写真、機密扱いの依頼制作アート、個人のメタデータを同梱しないでください。保守のために、非公開のマニフェスト、許可、設定、評価履歴全体を保管します。公開範囲が変わる場合は、権利を再確認してください。改善版には新しいバージョンと再現可能な比較を付け、利用する開発者が、すでに承認したアートへの影響を判断できるようにします。
重要な決定事項
- 学習前に、ベースのワークフローにある具体的な失敗を特定します。
- 画像とベースモデルの学習・再配布に関する権利を確認します。
- 多様なデータでもデザインの一貫性を保ち、別のポーズを検証用に確保します。
- 中間チェックポイントとアダプター強度をベースモデルと比較します。
- リリースに互換性、制限事項、権利、チェックサムを記載します。
外部のモデル関連コミュニティやコンテンツ公開サイトには、露骨な表現を含むコンテンツが掲載されている場合があります。出典へのリンクは新しいタブで開きます。このガイドでは、リンク先のプレビューを読み込みません。