自分の画像生成のやり方

画像生成には主に Stable Diffusion を使用しています。
最近はプロンプトも安定してきましたが、できるだけシンプルにしたいと思い、画像に影響するキーワードだけに絞り込んでみました。
（結果、42単語になりました）

キーワードがみちみちに詰めて並んでいるのは、
Regional Prompterを使う時に、SDXL画像では改行が入っていると利かなくなるというバグがあるらしく、そのため改行を入れずに繋げています。

# ベースプロンプト

a cute girl, solo, smile, dutch angle, cowboy shot, detailed face, detailed eyes, (masterpiece), 8K, (ultra highres), (line art:1.2), (Flat Design), clean lineart, photorealistic, 

以下はこのベースプロンプト＋LoRAのみで生成した画像サンプルです。
※扉絵も生成した画像です（僕の直筆ではありません🤭）

LoRA①：セミリアル風

現在、2つの自作LoRAを使っています。
使用頻度が高いのは、こちらのセミリアル風のLoRAです。
階調が少なく、ベタっとした塗りの画像は、このLoRAを使ったものです。

線画を際立たせたいので「line art」を指示していますが、
色を乗せたい場合は「realistic skin texture」や「photorealistic」の指示を加えて調整しています。

LoRA②：かわいいイラスト風

かわいい雰囲気の画風も取り入れたいと思って、このLoRAを作ってみました。
漫画風でクリっとした目が先のLoRAとの違いになっているかと。
ハロウィン系の画像にはこちらを使用しています。

ただ、どちらのLoRAにも言えることですが、
手書きイラストを元に学習しているためか、暗めに生成されます。

なので投稿する時は、手で色合いを調整してます。

キャッシュについて

最近になって気づいたのですが、Stable Diffusionは以前に生成したプロンプトをキャッシュしているようです。
※検索してみたところ、「知らないうちにCドライブに100GBものキャッシュが溜まっていた」という記事も見かけました。

また「メモリに余裕がある場合は、キャッシュをメモリ上に置くことで生成速度が向上する」という記事もありましたが、
僕の環境では特に違いがなかったのでメモリ配置はやめました。

キャッシュをメモリ上に置く設定はこちら

ところで、なぜキャッシュの存在に気づいたかというと、
ベースプロンプトを調整している時に、指示していない効果の画像が出力されたからです。

たとえば、ベースプロンプトに「マスクを付けている」とだけ指示したときに、この画像が生成されました。

おそらく、以前投稿した「光芒」の効果や、下からのアングル指定「from below」などがキャッシュに残って影響したのではないかと。

その後、数十枚ほど生成を続けたところ、この効果は見られなくなりました。
もしかすると、プロンプトを変更した直後に意図した結果が得られない場合、キャッシュの影響があるのかもしれません。

まとまった時間がなかなか取れないので、今は環境が整っている Stable Diffusion で画像を生成しています。

ChatGPT や Gemini は学習量が多い分、プロンプトの理解力や表現力に優れていますが、結構ガチャ要素が多いかなと思っています。

Stable Diffusion は学習量が少ないぶん表現力は控えめですが、その分キーワードを工夫して補っていく過程も、楽しみ方の一つなのかなと😊

追記

LoRA②の生成で比較的キレイめなのを貼っておきます
特に指示無しで生成されるこの衣装は「高精細な下着」なのかな…？