キャラLoRAなら、まずは正則化画像なしで作ってください。この論点は実務者の間でも意見が割れており、「不要」と「あったほうがいい」が両方成り立ちます。ただし質の低い正則化画像は明確に逆効果という点だけは一致しています。まず無しで作り、崩れたときに初めて検討するのが安全です。
kohya_ssの設定画面に「Regularisation folder」という欄があり、埋めるべきか迷って手が止まる——これは初めてLoRAを作る人がほぼ全員ぶつかる箇所です。ネットの情報も「必須」「不要」で真っ二つに割れています。この記事では、なぜ意見が割れるのかを整理したうえで、判断できる基準を示します。
正則化画像とは何をするものか？
学習させたい対象以外を示す画像です。たとえば特定のキャラを覚えさせたいとき、「一般的な女の子」の画像群を正則化画像として与えます。
狙いは過学習の抑制です。学習データだけを繰り返し見せると、モデルは「女の子＝このキャラ」と覚えてしまい、無関係なプロンプトにまでキャラの特徴が滲み出します。正則化画像は「一般的な女の子はこっちだよ」という対照を与えて、覚える範囲をキャラ本人に絞る役割を持ちます。
学習時間は倍になる
正則化画像を使うと、学習ステップ数が実質2倍に増えます。学習データ20枚に対して正則化画像20枚を与えれば、1エポックあたりの処理量が倍になるということです。時間とVRAMのコストがかかる点は先に把握しておいてください。
なぜ「必要／不要」で意見が割れるのか？
目的とデータ量が違う人同士が、同じ言葉で議論しているためです。立場を並べると噛み合っていないことがわかります。
| 立場 | 主張 | 前提にしている状況 |
|---|---|---|
| 不要派 | キャラLoRA程度なら要らない。質の悪い正則化画像を足すと変な学習をする | 学習データが十分あり、用途が限定的 |
| 必要派 | 同じ画像を何度も回すと崩れる。正則化で補える | 学習データが少なく、繰り返し回数が多い |
| 品質重視派 | 正則化なしでは「らしさ」が80〜85%止まりだった | 再現度を限界まで詰めたい |
つまりどちらも間違っていません。学習枚数が確保できていて、キャラを呼び出すときだけ使うLoRAなら不要側の主張が通ります。逆に枚数が少なく繰り返しを増やさざるを得ない場合や、再現度を極限まで求める場合は必要側の主張が効いてきます。
結局どう判断すればいい？
次の条件に当てはまるなら、正則化画像を検討する価値があります。
- 学習データが10枚未満——繰り返し回数を上げざるを得ず、過学習しやすい状況です。
- 汎用語が汚染されている——「girl」だけのプロンプトで学習したキャラが出てくるなら、明確な過学習のサインです。
- 画風まで引きずられる——キャラだけでなく絵柄全体が固定されてしまう場合。
- 再現度を90%以上に詰めたい——最後の数%を取りにいく段階。
推奨する進め方
①まず正則化なしで作る → ②上の症状が出るか確認 → ③出たら正則化画像を用意して作り直す。最初から正則化ありで始めると、問題が起きたときに原因の切り分けができなくなります。
使うなら、どんな画像を用意する？
ここが最重要です。質の低い正則化画像は、無いより悪いという点だけは全ての立場が一致しています。
これが最も安全です。学習に使うモデルへ「1girl」などのクラス語だけを入力して生成した画像を正則化に使います。モデルが元々持っている「一般的な女の子」の分布をそのまま使えるため、余計な情報が混ざりません。
学習データ20枚なら正則化も20枚以上。極端に少ないと効果が出ず、学習時間だけが伸びます。
正則化画像側に細かいタグを付けると、そのタグまで「一般的なもの」として学習され、狙いがぼやけます。「1girl」程度に留めます。
ネットから拾った画像を正則化に使わない
画風・画質・構図がばらついた画像を混ぜると、モデルが「一般的な女の子」を誤って学習し、生成物の品質そのものが落ちます。実写とイラストを混ぜるのは特に危険です。加えて、他者の著作物を学習に使うことには権利上の問題も伴います。ベースモデルに自己生成させる方法なら、この2つの問題を同時に回避できます。
学習が重くて試行錯誤できない場合は？
正則化画像を使うと学習時間が倍になるため、VRAMと時間の余裕がないと比較検証そのものができません。あり／なしを両方作って見比べるのが本来の正しい進め方なので、ここで詰まる人は多いです。
手元のGPUで回すのがつらいなら、クラウドで試して当たりの設定を見つけてからローカルに戻す、という進め方が現実的です。ConoHa AI CanvasのようなGPU環境なら、環境構築なしで比較検証だけ回せます。
学習そのものを速くしたい場合は設定側でも詰められます。LoRA学習を高速化する設定にまとめてあります。
まとめ
正則化画像は「必ず使うもの」でも「使ってはいけないもの」でもありません。まず無しで作り、過学習の症状が出たら導入する——この順番なら判断を間違えません。
導入する場合は、ベースモデル自身に生成させた画像を、学習データと同数以上、クラス語のみのキャプションで用意してください。ここを手抜きすると、正則化なしより悪い結果になります。
コメント