Wonder Woman (Injustice 2)

1. 強いキャラクターの一貫性

• 専用のワンダーウーマンLoRAは、異なるプロンプト間で顔の特徴、衣装の要素、全体的なシルエットを安定して維持します。

• 単なるプロンプトのみと比較して「キャラクターのずれ」を軽減します。

2. 軽量で効率的

• LoRAは、フルチェックポイントに比べてサイズが小さいです。

• 読み込み、切り替え、異なるベースモデル（SD 1.5、SDXL、アニメ、リアリズムなど）との組み合わせが簡単です。

3. スタイル＋キャラクター制御

• 以下のような要素を学習して捉えることができます：

  • クラシックなコミックブック風

  • モダンな映画的解釈

  • スタイリッシュまたは絵画的なバリエーション

• 強さを調整することで、正確性と創造性のバランスをユーザーが制御できます。

4. イテレーションが高速

• フルモデルを訓練するよりもはるかに短時間で学習できます。

• 衣装、時代、アートスタイルの改善が必要な場合、微調整が容易です。

5. ファンアートやコンセプトワークに適している

• 以下のような用途に役立ちます：

  • ファンイラスト

  • コンセプトアート

  • 他の衣装や設定

  • フォトリアリスティックでないスタイル

---

欠点

1. 法的・知的財産の制限

• ワンダーウーマンは著作権で保護されたキャラクターです。

• 以下の状況でLoRAの使用や配布が問題を引き起こす可能性があります：

  • 商業的に販売する場合

  • 収益化される製品で使用する場合

  • 原創IPであると主張する場合

• 個人的、教育的、またはファン用途に限定するのが安全です。

2. 過学習のリスク

• 学習が過度に厳密な場合：

  • 出力が繰り返しになりがち

  • 同じポーズ、顔の角度、衣装の細部が繰り返し現れる

• 注意深くバランスを取らないと、創造的な柔軟性が制限されます。

3. ベースモデルへの依存

• パフォーマンスは主に以下に依存します：

  • ベースチェックポイントの品質

  • LoRAの学習スタイルと一致しているか

• リアリズムで学習されたLoRAをアニメベースに適用すると（その逆も同様）、劣化した結果になる可能性があります。

4. プロンプトへの感度

• 注意深いプロンプト設定が必要です：

  • 重みが低すぎるとキャラクターがほとんど現れない

  • 重みが高すぎると解剖学的歪みや誇張された特徴が生じる

• 他のLoRA（ポーズ、衣装、表情など）と競合する可能性があります。

5. データセットのバイアス

• 学習画像が以下に偏っている場合：

  • 特定の時代（例：映画のみ）

  • 特定の衣装

• モデルは代替デザインや解釈に対応しにくくなります。

---

最適な使用例

• ファンアートの生成

• スタイルの研究（コミック vs 映画的）

• ポーズ、照明、環境の実験

• 非商業的な創造的プロジェクト