← ブログ一覧へ · 2026.07.31
LoRA学習用データセット、タグキャプションはこう整理しよう
LoRAを学習させる際、成果物のクオリティを左右する要素は画像そのものと同じくらいキャプション(タグ 一覧)です。タグの整理の仕方次第で、モデルが「何を学習すべき特徴として見るか、何を 固定値として無視すべきか」が変わってきます。以下は、画像タガーモデルで抽出した生タグを 実際の学習用キャプションへ整える際に参考になる基準です。
1. Character LoRA vs Style LoRA、キャプション戦略は異なります
特定のキャラクターを学習させるCharacter LoRAの場合、そのキャラクターが常に持っている 固定の特徴(髪色、瞳の色、特定のヘアスタイルなど)はむしろキャプションから外すのが一般的です。 キャプションに残しておくと、モデルが「このキャラクター=このヘアスタイルのときだけ」と過度に紐づけて学習してしまい、 後で別のヘアスタイルで生成しにくくなることがあります。逆に、ポーズ・衣装・表情のように画像ごとに 変わるタグは残しておき、モデルに「これはキャラクターのアイデンティティではなく可変要素だ」と区別させます。
一方、画風(Style)LoRAはその逆に近いアプローチです。キャラクター・構図・衣装は詳細に キャプションへ残し、画風そのものを表すタグ(色味、線のスタイルなど)はむしろ除去して、「このスタイルは 常にこう描かれる」というシグナルをモデルに強く与えます。
2. カテゴリ別に分けて見ると判断が楽になります
画像タガーモデルが抽出するタグはすべて一列に混ざっているため、どのタグを残しどのタグを消すか判断するのが 意外と面倒です。AnimeTag-AIの「カテゴリ別表示」を使うと、同じタグ一覧が Basic・外見・衣装・ポーズ・小物・背景・その他に自動整理されて表示されるため、 「Character LoRAだから外見カテゴリはまるごと削除して、衣装・ポーズ・背景だけ残そう」といった判断を カテゴリ単位でぐっと素早く下せます。
3. 不要なタグをふるいにかける3つの基準
- 画質/透かし関連のタグ —
watermark、signature、lowresといったタグは学習の役に立たないため除去します。 - 信頼度が低いタグ — Thresholdを少し上げて、微妙なタグ(0.3以下)を 最初から一覧に含めないようにすれば、整理の手間が省けます。
- 目的と無関係なタグ — 背景をバリエーション豊かに生成したいなら背景タグは残し、 常に同じ構図でしか使わないなら構図タグを消す、といったように目的に合わせて判断します。
4. 実際の作業フロー例
1) 画像をAnimeTag-AIにアップロードしてタグを抽出する → 2) Thresholdを 0.3~0.4程度に合わせてノイズタグを一次的にふるい落とす → 3)「カテゴリ別表示」に切り替えてLoRAの目的に 合わないカテゴリをまとめて見直す → 4) チップをクリックして個別タグを削除し、「Promptをコピー」で 最終キャプションを取得する。画像なしですでに持っているタグ一覧だけを整理したい場合は、 タグ分析ツールに貼り付けても同様にカテゴリ別に整理されます。