SnapRef v2aをかなちゃんの立ち絵1枚でM1 Maxに当ててv1bと比べる

SnapRefは、1枚の参照画像からキャラクターの外見情報を取り出して生成画像に反映させるAnima用の参照重みとComfyUIノードのセットだ。
前回のSnapRef v1bをM1 Maxで試した記事から1週間ほどで、次の版のv2aが出た。
READMEによると、v2aの評価数値はv1aとほぼ同等だが、見た目の追従性はかなり良くなったと書かれている。
比較表に載っているのはv1aとv2aだけで、手元で試したv1bとの差は書かれていない。

前回の記事では、かなちゃんの立ち絵を参照にして、Baseの走る場面が5シードとも後ろ姿になった。
複数参照では上半身の画像の服が優先して出たり、MPS環境では参照のサイズによって真っ黒な画像が出たりした。
v2aでこれらがどう変わるのかを、同じ参照画像、プロンプト、シードで確かめてみた。

SnapRef v2aの概要

重みのサイズは、v1aの約382MB（381,822,008バイト）とほぼ同じだ。
仕組みもv1と同じく、参照画像を1回モデルに通して各ブロックのアテンション（注目機構）のkey/valueを保持し、生成中の各ステップで参照させる。
詳しい仕組みは前回のv1bの記事にまとめたのでリンク先を参照してほしい。

READMEの比較表は、あらかじめ決めた64ケース×2シードでの固定評価。指標のSigLIPやDINOは視覚モデルによる特徴類似度、CCIPはキャラクター同一性の判定スコアだ。

数値の上でv2aが良いのはタグの再現率だけで、それも差はごくわずかだ。
READMEでは、目視での比較ではv1aより参照によく従うようになったと説明されている。
新しい作例としては、mode char で画風をプロンプトから変える例と、同じキャラの画像を複数入れて重みを変える例が載っている。

READMEの推奨設定はこんな感じ。

ノードの変更点

v2aにはComfyUI用ノードのコードも付属している。
v1bの記事で使ったノードと差分を取ると、主な変更点は次のとおり。

v1bの記事では、2.9Bに当てるために重みのキーの番号をスクリプトで手動で振り直していた。
v2aのノードなら、その作業がいらなくなる。

一方で、MPS環境でエラーになるAPG補正コードの .double() と、黒画像の原因と考えたマスクの -inf はそのまま残っていた。

検証環境

AnimaのBase（anima-base-v1.0）は標準的な生成モデルで30ステップ前後、Turbo（anima-turbo-v1.1）は8ステップで高速生成できる軽量・蒸留モデルだ。それぞれのモデルにSnapRefを適用して検証した。

APG補正の .double() 2行は、v1bのときと同じく .float() に変更した。
それ以外のノードコードは配布のままだ。

ノードを差し替えたことでv1bの出力が変わっていないかも確かめてみた。
新しいノードでv1bを当てると、Turboの走る場面（シード20261027）もBaseの走る場面（シード20261030）も、前回の画像とピクセル単位で一致した。
流用したv1bの画像とv2aの画像の違いは、ノード処理ではなく重みの違いによるものだ。

公式設定のまま動かしてみる

v1bの記事と同じく、READMEのプロンプト、ワークフローのネガティブ、832×1216、28ステップ、cfg 4.5でBaseに当てた。

v2a

v1b（前回）

masterpiece, best quality, score_7, safe, 1girl, solo, full body, sitting, crossed legs, bench, street, night

worst quality, low quality, score_1, score_2, score_3, artist name, blurry, jpeg artifacts, chromatic aberration

Baseの走る場面

前回の記事でいちばん気になっていたのが、Baseの走る場面だった。
v1bでは5シードとも後ろ姿で、参照なしのBaseでも後ろ姿だったため、このプロンプトで後ろ向きになるのはBase自体の出したい構図と見ていた。
同じ5シードをv2aで出してみた。

v2a s20261027

v2a s20261028

v2a s20261029

v2a s20261030

v2a s20261031

v1b s20261027（前回）

v1b s20261030（前回）

参照なし s20261030（前回）

v2aは5シード中4シードで正面になり、残り1シードも顔はこちらを向いた。
5枚とも、サイドポニー、白シャツ、赤ネクタイ、黒タイツは参照どおりだった。

v1bでは参照画像の向きに引っ張られず、Base本来の後ろ姿構図が保たれていた。
一方のv2aは参照した正面の立ち絵に寄る傾向があり、Ref Adapter v2やRole-Ref-KVで試したときの結果に近い。

masterpiece, best quality, score_7, newest, highres, absurdres, safe, 1girl, solo, full body, running, wind, hair blowing, dynamic pose, fantasy landscape, castle in background, sunset sky, dramatic clouds, grass field

worst quality, low quality, score_1, score_2, score_3, blurry, jpeg artifacts, chromatic aberration, bad anatomy, bad hands, extra arms, extra fingers, missing fingers, text, watermark, signature, artist name, multiple views, split screen, comic, 2koma, 4koma

Turbo v1.1の走る場面

Turbo v1.1でも同じ5シードを出してみた。

v2a s20261027

v2a s20261028

v2a s20261029

v2a s20261030

v2a s20261031

v1b s20261027（前回）

v1b s20261028（前回）

v1b s20261029（前回）

v2aは5シード中2シードで、黒タイツが別の脚の装いに変化した。
上半身の髪型、シャツ、ネクタイは5枚とも参照どおりだった。

衣装が変わったシードは、v1bの記事でv1aの服が変わったシードと同じだった。
v1aでもシード20261028はニーハイ、20261029は片脚がハイソックスのように変わっていた。
重みのサイズがv1aとほぼ同じことと合わせるとv1aに近い構成と思われるが、READMEには構成の詳しい説明はない。

なお、シード20261027の画像には参照にない胸ポケットが描かれていた。

ケーキと寝そべりの場面

v2a Turbo ケーキ

v1b Turbo ケーキ（前回）

v2a Base ケーキ

v1b Base ケーキ（前回）

v2a Turbo 寝そべり

v1b Turbo 寝そべり（前回）

v2a Base 寝そべり

v1b Base 寝そべり（前回）

ケーキの場面は、v1bとほぼ同じ構図になった。
寝そべりは、v2aだとTurboもBaseも頭が画面の下に来る逆さの構図になった。
4枚とも、アホ毛、サイドポニー、ネクタイ、黒タイツは参照どおりだった。

masterpiece, best quality, score_7, newest, highres, absurdres, safe, 1girl, solo, upper body, sitting, eating, cake, cafe, indoors

masterpiece, best quality, score_7, newest, highres, absurdres, safe, 1girl, solo, full body, lying on back, on grass, from above, looking at viewer, flowers, daytime

mode設定のcharで画風を変える

SnapRefの mode 設定には、参照画像からキャラクターと画風の両方を引き継ぐ cs（Character & Style、既定値）と、プロンプトの画風指定を通しやすくするために外見特徴のみを抽出する char がある。
READMEのv2a作例には、mode char で水彩や1990年代のアニメ風に変えた画像が載っている。
前回のv1bでは char にしても水彩にならず、髪色まで変わってしまっていた。
前回の記事と同じタグを使い、BaseとTurboでケーキの場面を出してみた。

v2a watercolor cs

v2a watercolor char

v2a 1990s cs

v2a 1990s char

v2a Turbo watercolor cs

v2a Turbo watercolor char

v1b watercolor char（前回）

v1b 1990s char（前回）

かなちゃんの立ち絵では、v2aの char でも画風より先に髪色が変わる傾向だった。

上半身と全身の参照を両方入れる

前回の記事と同じく、ブレザーにリボンの上半身画像と、白シャツにネクタイの全身立ち絵を組み合わせた。
衣装の異なる2枚を使い、Turbo v1.1の走る場面で multi_layout を separate に設定して試した。

上半身の参照

全身の参照

v2a 上半身だけ

v2a 重み同じ

v2a 上半身0.4

v2a 全身0.4

v1b 上半身だけ（前回）

v1b 重み同じ（前回）

v1b 上半身0.4（前回）

重みが同じとき、v1bでは上半身画像のブレザーが出たが、v2aでは全身立ち絵の白シャツが優先された。
v2aは全身の重みを0.4に下げるとブレザーに切り替わり、そのときも下半身は全身の参照どおりの無地のスカートと黒タイツだった。
上半身の服と全身の下半身を両方反映できたのは、この全身0.4の1枚だ。
重みの値でどちらの服を優先するかを切り替えられる点はv1bと同じで、等配分時の優先順位だけが逆になった。

2.9Bにキーの振り直しなしで当てる

ノードが28ブロックの重みを2.9Bの40ブロックへ自動で振り直すようになったので、キーを振り直していない snapref_v2a.safetensors をそのまま2.9B（Anima-2.9B-preview-v1）に当ててみた。

v2a 走る

v2a ケーキ

v1b 走る（前回）

v1b ケーキ（前回）

前回の記事では動かなかった手動振り直しなしの2.9Bが、そのまま動作した。
重みの振り直し処理はノード側で行われるため、新しいノードであれば同様に振り分けられる仕組みだ。

横に並べた参照でのMPS黒画像

前回の記事では、2人を横に並べた1664×1216の参照（ノードの中で1184×864に縮小される）で strength を0以外にすると、MPS環境で真っ黒な画像が出た。
同じ参照画像、strength 1、Turbo v1.1、1216×832で出すと、v2aでも真っ黒だった（50.3秒）。

ノード差分で確認したとおり、原因と考えたマスクの -inf 処理はv2aのノードでも変わっていない。
合計のトークン数が16の倍数になる大きさに参照画像を合わせる回避策が必要になる。

生成速度の実測

Turbo v1.1およびBaseの走る場面で生成速度を実測した。

v2aのBaseの1枚あたりは、走る場面5シードで289.9〜295.9秒、ほかの条件も含めて280.7〜297.9秒の範囲だった。
v2aの重みはv1aと同程度のサイズであり、前回の検証でもv1aはv1bより数％生成時間が短かったため、その差によるものと思われる。
Turboにおけるv1bとv2aの差は、シードによる測定ブレの範囲内だった。

Animaが出した絵を参照にする

Turbo v1.1で変化したのは脚まわりの衣装で、参照には手描きの立ち絵を使用していた。
Anima自身が生成した絵を参照に用いることで、モデルが解釈しやすい表現になり衣装の変化を抑えられるか確認した。

手描きの立ち絵をAnimaで描き直して参照にする方法と、生成した走る場面を参照にして横や後ろからの構図を描かせる方法の2通りを試してみた。設定はTurbo v1.1、8ステップ、cfg 1.0だ。

描き直した立ち絵を参照にする

手描きの立ち絵を参照にして、白背景の立ち絵を4シード生成した。

masterpiece, best quality, score_7, newest, highres, absurdres, safe, 1girl, solo, full body, standing, looking at viewer, arms at sides, white background, simple background

4枚とも、髪型、シュシュ、シャツ、ネクタイ、スカート、黒タイツ、ローファーは参照どおりだった。
このうち胸ポケットのないシード20261027の1枚（832×1216）を参照画像に採用した。

手描きの立ち絵

描き直し s20261027（参照に使用）

描き直し s20261028

この描き直した立ち絵を参照にして、手描き参照時に脚まわりの衣装が変わったシードを含めて走る場面を出してみた。

描き直し参照 s20261027

描き直し参照 s20261028

描き直し参照 s20261029

手描き参照 s20261027

手描き参照 s20261028

手描き参照 s20261029

変化のあった2シードのうち、20261028は黒タイツが維持され、20261029は変化の度合いが小さくなった。構図や上半身は手描き参照時とほぼ一致している。

寝そべりの場面（Turbo）は描き直した立ち絵を参照にしても頭が画面下に来る構図となり、Baseの走る場面（シード20261027）も正面向きだった。

描き直し参照 Turbo 寝そべり

描き直し参照 Base 走る

走る場面を参照にした角度の変更

Turbo v1.1の走る場面（シード20261027）を参照画像として、プロンプトに from side（横向き）または from behind（後ろ姿）を追加して角度変更を試みた。

走る場面参照 横 s20261027

走る場面参照 横 s20261028

手描き参照 横 s20261027

手描き参照 横 s20261028

走る場面参照 後ろ s20261027

走る場面参照 後ろ s20261028

手描き参照 後ろ s20261027

手描き参照 後ろ s20261028

横向きはどちらの参照でも出力できた。
手描き立ち絵を参照した真後ろ構図（シード20261028）ではタイツの変化が見られたが、走る場面を参照にした場合は黒タイツが維持された。
なお from behind のシード20261027は真後ろではなく振り返った斜め後ろ構図となった。

使い分け

参考リンク

• snapref-v2a（Hugging Face）
• snapref-v1a（Hugging Face）
• snapref-v1b（Hugging Face）
• SnapRef（GitHub）
• Anima（Hugging Face）
• Anima-2.9B（Hugging Face）
• 参照画像1枚でキャラを保つSnapRef v1bをRef Adapter v2・Role-Ref-KVと同じ条件でM1 Maxに当てて比べる

参考リンク

• snapref-v2a（Hugging Face）
• snapref-v1a（Hugging Face）
• snapref-v1b（Hugging Face）
• SnapRef（GitHub）
• Anima（Hugging Face）
• Anima-2.9B（Hugging Face）
• 参照画像1枚でキャラを保つSnapRef v1bをRef Adapter v2・Role-Ref-KVと同じ条件でM1 Maxに当てて比べる