#画像生成

Animaの4人LoRAで、短いプロンプトと成功する長文をQwen側・T5側へ分けて交差させた。seed 42の画像とconditioning介入から、T5側の系列内容とQwen経路が4人の描き分けへどう関わるかを切り分ける。

anima-4char-v1をトリガー語のみ〜識別アンカー+位置文+服装文の4段階、2〜4人の11通りの組み合わせ×3seedで実測。崩れの大半は、学習キャプションにある言い回しをプロンプト側で補うと直った記録。

2026年6月にarXivで公開されたSeFi-Image（Semantic-First Diffusion）をM1 Max 64GBのローカル環境で動かせるか検証。

M1 MaxでINT8ConvRotに近い量子化行列積をPyTorch、Metal、MPSMatrix、MLXから直接測定し、fp16との速度差とMPS経路の制約を確認した。

M1 MaxのComfyUIでAnima-Turbo INT8ConvRot量子化版をロードし、MPS未対応エラー、CPUフォールバック、逆量子化回避策の生成時間を検証した。

M1 Max 64GBのMacでAnimaLoraToolkit + Anima-BaseのLoRA学習を試した。torch2.6.0ではMPSのSDPA実装が既知のPyTorchバグでクラッシュしたが、torch2.7.1に上げるとステップが最後まで進みLoRA保存・画像生成まで通った。SDXL(kohya-ss)で13回全敗した過去のMac検証との対比も書く。

Kimi K2やDeepSeek V4で採用が続くMuonオプティマイザを、Cosmos-Predict2系AnimaとSDXLのLoRA学習へ転用できるか実装前に整理した。DiTとU-Netの層振り分け、Conv2Dの扱い、LoRA二因子分解との相性の既存研究まで。

3キャラ合体LoRAに化粧オンオフ持ちの4人目(くらら)を追加、518枚(配分複製896)・rank256・約21.5時間で合体学習しep100を採用。AI生成マルチ素材の頭身インフレ実測と対策、エポック進行で起きるキャラ意匠の低率漏れと採用範囲の決め方、複数人ではmakeoffが効かない理由、プロンプト全指定で4人立ち・密着とも一発率6/6まで。

顔の造形は同一のまま化粧だけをオンオフする切り替えをキャラLoRAに焼き込めるか、Anima-Base+RunPodで3回学習して検証。無記述で焼き込んだ属性をタグで引き算する設計はcfg1.0で原理的に効かず、存在タグの足し算に転換して両方向の切り替えを達成(採用ep140)。RunPodのpod速度ガチャ対策も。

Xで見かけた「ノード改造でピクセル位置パーフェクト編集」の主張をM1 Max + ComfyUIで測定した。ずれの原因はTextEncodeQwenImageEditPlusの内部リスケールで、ReferenceLatentを足せばカスタムノードなしで再現できる。表情・衣装・ポーズ差分の量産テストと等身維持の計測、2.3MPや非16倍数寸法の境界条件まで。

3キャラ合体LoRA(trio_v2)で、同じ日本語指示10シーンを3つのLLMに英語プロンプト化させ、同一シード60枚をM1 MaxのローカルComfyUIで生成して照合した。Qwen-DiT系だから変換もQwenが有利という仮説の検証と、人数ロック付きブリーフで直る崩れ・どう書いても直らない崩れの切り分け。

Un-0に触発された学習なしのtoy generator。QwenにプロンプトをJSON化させ、M1 MaxのNumPyだけで2D蔵本モデルを時間発展させて抽象画像を出す。写実は無理でも構図・色・動きはプロンプトで実際に変わった。実装と出力例、詰まった所まで。