#画像生成

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。

Unconventional AI（Naveen Rao）が2026年6月に公開したUn-0は、ニューラルネットの重み付き加算ではなく結合振動子（蔵本モデル）の物理で画像を生成する。仕組みとFID 6.74の実力、GPU比1000倍の省電力がまだ未実証な点を、動かせる同期デモ付きで整理する。

けい・かな・こはるの3キャラを1本のAnima(Qwen-DiT) LoRA(rank256・294枚)に合体し、学習を初めてBlackwell(RTX 5090, sm_120)で走らせた実機ログ。4090から差し替える環境スタック(cu128/torch2.8/SDPA)、最弱キャラがキャプション非対称で他キャラに吸収される原因と直し方、ControlNetなしでトリガーのみ＋ep143で密着3人を描き分けるまで。AnimaやQwen-DiTでマルチキャラLoRAを学習する人向け。

2026年6月公開のKrea 2 Raw/TurboをM1 Max 64GBのComfyUIで実機検証。12B DiTはbf16なら載りTurboは約3分半/枚で回るが、fp8拡散はMPSで弾かれ、Raw（52step+CFG3.5）は47分かけてNaNで黒画像になった。速度・メモリ・写実/アニメ/文字の品質、NSFWの通り具合とアンフィルターノードの実際、ライセンスまで。

2026年6月16日公開のBoogu-Image-0.1をM1 Max 64GBのComfyUIで実機検証。公式はCUDA/fp8前提でMacの記載がゼロ。fp8はMPS非対応で弾かれbf16必須、Turboは1枚約70秒で回った。人物・アニメ・文字描画・NSFWの通り具合と、MacでComfyUIを上げるときの速度の注意まで。

WAI-illustrious-HSWQ v17.0 baseをM1 MaxのComfyUIでWAI v17と比較。10step fastは約28〜34秒、20step qualityは約64秒で、Kana LoRAと背景の発色も試した。