広告枠を募集中 ご相談ください

イラストレーターがSeaArtでLoRAとControlNetを活用してキャラクターのポーズと画風の一貫性を制御する方法

365Finds Editorial
Wiki 記事 11,430 本収録

あなたの AI で 365 Wiki を使う

下のプロンプトをコピーして、普段使っている AI に貼り付け、そのまま質問してください。

完全版 Skill をダウンロード

まずはプロンプトでお試しください。よく使う場合は完全版 365Wiki Skill をインストールすると、毎回貼り付ける必要がありません。普段使う AI がなければ、Gemini や Microsoft Copilot のウェブ版でも使えます。

Webtoon、ストーリーボード、ゲームキャラクター設定集、商用イラストの現場において、デジタルイラストレーターが直面する最大の課題は、「同一キャラクターの顔・衣装・画風を厳密に維持しながら、シーンごとに異なる躍動的なポーズを描き分けること」です。プロンプト(呪文)のみに頼った生成では、キャラクターの顔崩れ、細部の変形、ポーズの硬直や意図しない画風のブレが不可避となります。

SeaArt AIにおいてプロが採用する標準的なアプローチは、「キャラクターの固有情報(アイデンティティ)」と「空間的なポーズ構造」を完全に分離することです。キャラクターLoRAによって顔立ち、髪型、衣装、画風テクスチャを固定し、ControlNet(主にOpenPose Full)によって骨格とポーズの幾何学的配置を厳密に制御します。両者のウェイトバランスを正しく設計することで、キャラクター性を一切損なうことなく、自由度の高いマルチアングル作画が可能になります。


役割分担:ベースモデル、LoRA、ControlNetの3層構造

安定した商用イラスト生成を実現するために、制作パイプラインを3つの階層に分けて設計します。

+------------------------------------------------------------------+
|                     1. ベースモデル(Base Checkpoint)            |
|       全体の描写テイストを決定(アニメ調、厚塗り、実写系など)    |
+---------------------------------+--------------------------------+
                                  |
                                  v
+---------------------------------+--------------------------------+
|                     2. キャラクター / スタイル LoRA               |
|       顔立ち、固有衣装、特定タッチを固定(ウェイト 0.6 - 0.8)   |
+---------------------------------+--------------------------------+
                                  |
                                  v
+---------------------------------+--------------------------------+
|                     3. ControlNet(OpenPose)                     |
|       骨格ランドマークとポーズ構造を強制誘導(ウェイト 0.8 - 1.0)|
+------------------------------------------------------------------+
  1. ベースモデル(Checkpoint): 作品全体の描画基盤と質感(アニメ向けのCounterfeitやNOOBAI XL、写実志向のSeaArt Realismなど)を決定します。使用するLoRAおよびControlNetモデルは、ベースモデルのアーキテクチャ(SD 1.5またはSDXL)と完全に一致させる必要があります。
  2. LoRA(固有性の固定アンカー): ベースモデルに対し、特定のキャラクターの造形や絵師のタッチを適用します。SeaArtでは最大5つのLoRAを同時適用可能です。キャラクターLoRAのウェイトは0.6~0.8に設定するのが基本であり、識別性を保ちながら大胆なポーズ変更に対応できる柔軟性を残します。
  3. ControlNet(空間・骨格の制約エンジン): あいまいな言語指示に頼らず、参照画像から人体の骨格や輪郭線を抽出し、生成構図へ直接反映させます。

SeaArtにおける具体的な実践ステップ

ステップ1:キャラクターLoRAの適用とプロンプト設定

  1. SeaArtの生成スタジオに入り、プロジェクトの目的に合ったベースモデルを選択します。
  2. Model / LoRA設定画面から、使用するキャラクターLoRAをロードします。特定の塗りタッチが必要な場合は、スタイルLoRAを追加で重ねます。
  3. キャラクターLoRAの初期ウェイトを0.7前後に設定します。
  4. ポジティブプロンプトの先頭にLoRAの**トリガーワード(Trigger Word)**を記述し、続けて瞳の色、髪型、象徴的な装飾(例:silver hair, braided ponytail, navy military coat, gold embroidery)を指定します。

ステップ2:ControlNetでOpenPose Fullを構築

  1. 左側のメニューからControlNetパネルを開き、ポーズの参照画像をアップロードします。この画像は、3Dデッサンドール(DazやClip Studio Paint)の出力、ラフな棒人間スケッチ、または実写のポーズ写真で構いません。
  2. ControlNetタイプにOpenPoseを選択します。
  3. プリプロセッサには**openpose_full**を指定します。このモデルは頭部、首、肩、肘、手首、骨盤、膝、足首などの全身関節に加え、手先の骨格や顔の向きを正確に抽出します。参照画像の背景、ライティング、服装は完全に無視されます。
  4. Control Weight(制御ウェイト)を0.85 – 1.0に設定します。
  5. Control Modeは標準的なシーンでは「Balanced(バランス)」のままで問題ありません。ポーズの忠実な再現が最優先の場合は「Prioritize Pre-processing Image(プリプロセス画像優先)」を選択します。

ステップ3:アスペクト比とプリプロセス解像度の同期

ポーズ制御時に初心者が陥りやすい典型的な失敗が、サイズの不一致による人体の歪みです。


ウェイトの拮抗問題と最適バランス設計

LoRAとControlNetを併用する際、互いの制約が衝突する「ウェイトの競合」が発生することがあります。

シーン分類推奨LoRAウェイト推奨ControlNetウェイト期待される効果
日常会話 / 直立ポーズ0.75 – 0.850.75 – 0.85高い顔の再現性、自然で落ち着いた姿勢。
激しいアクション / 強いパース0.55 – 0.650.90 – 1.00正確な人体骨格を最優先、特徴はプロンプトで補強。
構図インスピレーション重視0.80 – 0.900.50 – 0.65LoRAの画風が前面に出る緩やかな姿勢誘導。
過度な制約(エラー状態)> 0.95> 1.10画面の焦げ、四肢の奇形、描線の破綻。

実践的な調整ルール:

激しいアクションシーンを描く際は、キャラクターLoRAのウェイトを0.60前後まで意図的に落とし、OpenPoseの骨格追従性を高めます。弱まったLoRAの効果を補うため、プロンプト側で衣装やパーツの特徴を詳細に指定することで、「骨格はControlNetで厳密に縛り、キャラクター性はプロンプトと適度なLoRAで満たす」理想的な均衡を維持できます。


複数ControlNetのスタック応用

単一のOpenPoseだけでは周囲の物体や複雑な衣装の配置を制御しきれない場合、SeaArt上で2系統のControlNetを重ね合わせます。

  1. OpenPose Full + Lineart / Canny(線画制御):
    • OpenPoseが人体のダイナミックなポーズを担当。
    • ラフスケッチから抽出したLineartまたはCanny(ウェイトは控えめに0.30 – 0.45)を適用し、武器や家具、マントの広がり方を固定。衣装が周囲の背景オブジェクトに埋もれるのを防止します。
  2. OpenPose Full + Depth(深度マップ):
    • 複数キャラクターが前後関係を持って配置される構図では、Depth(depth_midasプリプロセッサ)を併用することで、手前の人物と奥の人物のオクルージョン(遮蔽関係)を正確に描写します。

後処理と連続カットのワークフロー管理

初期生成で納得のいくポーズと基本デザインが得られた後の仕上げ工程:

キャラクター性(LoRA)とポーズ幾何(ControlNet)の役割を明確に切り分けることで、イラストレーターはAI生成のランダム性を排除し、量産性の高い制作ラインを構築することができます。

参考資料