69 Blow

最近私が作成しているLoRAは、3段階のプロセスを経て作られます。最初の2段階は、次の段階のための学習データセットを生成します。

まず、Webから収集した画像、合成データ、またはその両方を選びます。合成データを生成する際には、通常「Illustrious」モデルを使用しますが、時折リアルなモデルや、やや少ないですが「NoobAI」も使います。

これらの初期画像を使って、Chroma 48を学習ベースとして、Chroma-HDをターゲットとしたLoRAを生成します。その後、そのLoRAを使って2番目の学習画像セットを生成し、最終的にターゲットに到達します。

今日のターゲットはQwenで、このモデルについて興味深く素晴らしいことを学んでいます。例えば、他のモデル（Flux、Chroma、Illustrious、SDXLなど）と比較して、Qwenははるかに安定して学習するように見えます。他にもいくつか周縁的な候補がありますが、ここでは省略します。Z-Imageにはまだ手を出さないつもりです。私の経験では、この高速モデルは実用的なLoRAを生成するのが難しいように思われるからです。

ここで「安定性（anchoring）」について言及しましたが、この用語を知らない方もいるかもしれません。誰かがこの手法を使っているのかは不明ですが、効果がある以上、私だけが発見したわけではなく、他の誰かがすでに気づいている可能性があります。「安定性」とは、ある概念や対象を学習させるのが難しいと分かっているときに、モデルがすでに知っている要素を導入し、それをターゲットと組み合わせることで、両者を「結びつける」手法です。これにより、難しい概念にモデルが対応できる「アンカー」が与えられます。この手法はあまりにも「黒魔術的」なので、具体的な手順を断言するのは避けますが、アンカーは学習対象の概念と関連づけられるべきである、ということは言えます。そうでないと、雲の中にキャンディースティックに取り付けられたミミズが浮かんでいるような、奇妙な結果になる可能性があります。そして、私たちは皆、ミミズが雲を嫌うことを知っています。

このLoRAは陰茎を生成しますが、単独ではあまりうまく機能しません。しかし、穴を通して使用すると、ほぼ望ましい効果が得られます。その目的である「69」のシチュエーションについては、かなりうまくいったと思います。ただし、サンプル画像を生成している際に、改善できる点がいくつか見つかりました。近いうちにその点を修正するか、次のLoRAで考慮するつもりです。