キャラクターデザイナー
ポートレート、全身図、さまざまな表情でも、同じキャラクターだとわかるようにしたい場合。
キャラクターを識別できる特徴は一貫させつつ、ポーズや構図を変え、LoRAが1つの構図だけを記憶しないようにしましょう。
モデルのトレーニングガイド
tensorartでLoRAをトレーニングする方法に関する実践ガイド
このチュートリアルでは、データセットの準備からテストまで、tensorartでLoRAをトレーニングする方法を説明します。インターフェースのラベルや利用可能なトレーニングオプションが変わった場合にも、繰り返し使えるチェックリストとして活用してください。
始める前に
前提条件
利用可能な設定をすべて試すことよりも、整理されたデータセットと明確なトレーニング目標のほうが重要です。トレーニングワークスペースを開く前に、以下の入力を準備してください。
-
1
トレーニング目標を1つ選ぶ
LoRAに学習させる対象が、キャラクター、ビジュアルスタイル、物体、衣装、ポーズのどれなのかを決めます。後でLoRAを使用したときに、何が認識可能な状態で残るべきかを1文で説明してください。
-
2
統一感のあるデータセットを準備する
同じコンセプトを、役立つ角度や距離から示す画像を使用します。ほぼ同一の画像、意図しないテキスト、深刻なアーティファクト、透かし、再現したくない特徴を学習させる画像は削除してください。
-
3
キャプションとテストを計画する
すべての画像に、対象を特定し、重要なバリエーションを区別できるキャプションを付けます。トレーニング済みの結果をベースモデルと比較できるよう、2〜3個のテストプロンプトを用意してください。
-
4
ワークスペースの入力内容を確認する
開始前に、選択したベースモデル、画像の寸法、データセットのアップロード、トリガーワード、出力名を確認します。2回目の実行で一度に1つの変数を変更できるよう、選択内容を記録してください。
さらに探索する
番号付きの手順
これらの関連ガイドでは、プロンプトの作成から再利用可能な開始形式の選択まで、Tensorartのワークフローに関連する各要素を取り上げています。
トラブルシューティング表
よくあるエラーと対処法
Tensorart LoRA の効果が弱い、過学習している、または意図したコンセプトと関係のないものになっている場合は、複数の設定を一度に変更する前に、症状と考えられる原因を照らし合わせてください。
| よくあるエラー | 実践的な対処法 | |
|---|---|---|
| 被写体が学習されていない | データセットのバリエーションが多すぎる、キャプションにトリガーとなるコンセプトが含まれていない、またはベースモデルが画像のスタイルに合っていない可能性があります。 | 画像セットを絞り込み、明確なトリガーワードを1つ使い、被写体を簡潔に説明するプロンプトでテストしてください。 |
| すべての出力がほとんど同じになる | 特にデータセットが小さい場合や、学習を進めすぎた場合は、実行結果が過学習している可能性があります。 | 次回の実行では学習の強度を下げ、構図の異なる、バリエーションがありながら関連性の高い例を追加してください。 |
| スタイルが被写体を圧倒している | キャプションがスタイル用語に偏りすぎているか、画像に強く繰り返される視覚的な処理が含まれている可能性があります。 | キャプションに被写体の詳細もバランスよく含め、スタイルによって特徴的な部分が隠れている画像を削除してください。 |
| 顔や細部が歪んで見える | 低解像度、過度なトリミング、圧縮、不統一な元画像は、不安定な特徴を学習させる可能性があります。 | より鮮明な元画像を使用し、破損した例を削除して、セット全体で重要な細部が見える状態を保ってください。 |
| トリガーワードの効果がほとんどない | トリガーが一般的すぎる、キャプションへの付与が一貫していない、またはプロンプト内の説明的な用語と競合している可能性があります。 | 特徴的なトークンを選び、一貫して適用し、修飾語を追加する前にトークン単体でテストしてください。 |
| 1つのプロンプトでしか結果が機能しない | データセットが意図したコンセプトではなく、固定された構図を学習してしまった可能性があります。 | ポーズ、トリミング、背景、状況に変化をつけ、小規模なプロンプトマトリクスで再テストします。 |
結果を確認する
応用のヒント
有用なLoRAは、ベースモデルを置き換えるのではなく、制御可能なコンセプトを追加するものです。最初の実行と、データを整理した2回目の実行を比較し、理由を説明できる変数だけを変更しましょう。
この比較はプロセスの質を見るものであり、特定の出力を保証するものではありません。
焦点を絞らない実行条件を管理した実行この方法を試す
応用のヒントを実践する
クリエイターによって確認すべき点は異なります。以下から最も近いケースを選び、プロンプトや再現可能な設定についてさらに知りたい場合は、リンク先のガイドを参照してください。
スタイル重視のアーティスト
元画像の内容を押し付けずに、新しい被写体にも適用できるビジュアル表現を学習させたい場合。
被写体をキャプションで明確に説明し、関連性のない複数のプロンプトでスタイルを試して、適用できるか確認しましょう。
ワークフロー構築者
実験を再現できるようにし、各結果を生んだデータセット、ベースモデル、設定を記録しておきたい場合。
実行ごとの簡潔なログを保存し、複数の変更が混ざった結果から推測するのではなく、反復ごとに主要な変数を1つだけ変更しましょう。
画像、キャプション、トリガーワード、テスト用プロンプトがそろったら、計画的に学習を進めましょう。ここでのTensorartは、提出するデータの確認に代わるものではなく、条件を管理した実験を比較する場として活用するのが最適です。
チュートリアルFAQ
チュートリアルFAQ
これらの回答では、TensorartでLoRAのトレーニングを計画する際によく出てくる実践的な疑問を取り上げます。
教えたいコンセプトが一貫して明確に示されている画像を使い、ポーズ、クロップ、アングル、背景などの有用な要素には変化を持たせます。重複画像、深刻なアーティファクト、透かし、無関係な対象が含まれる画像は削除してください。
適切なデータセットはコンセプト、画像の一貫性、意図する柔軟性によって異なるため、普遍的な画像枚数はありません。単純な対象であれば、少数の焦点を絞ったセットでも機能しますが、ランダムな画像を追加するよりも、通常は変化の幅とキャプションの質のほうが重要です。
これは通常、過学習または変化が少なすぎるデータセットが原因です。関連性を保ちながらより変化に富んだ画像セットを試し、次の実行ではトレーニングの強度を下げ、構図やコンテキストを変えたプロンプトでLoRAをテストしてください。
トリガーワードとは、プロンプト内で学習したコンセプトを呼び出すために使う特徴的なトークンです。キャプション内で一貫して使用し、説明的な修飾語を加える前に単独でテストしてください。そうすることで、トレーニングしたコンセプトが意図どおりに反応しているか確認できます。
再現可能なテストプロンプトを少数用意して実行し、コンセプトの認識、柔軟性、望ましくないアーティファクト、プロンプト制御の観点から出力を比較します。実用的なLoRAは、すべての生成を同じポーズや構図に固定することなく、意図した対象やスタイルを反映できるはずです。