AI を使用した漫画作画
カテゴリ：deeplearning
この記事の作例は指定がなければ Qwen Image Edit 2511 を使っている。
目次
ComfyUI の ConditioningZeroOut ノードの使い方
カテゴリ：deeplearning
蒸留技術まとめ
カテゴリ：deeplearning
Qwen Image Layered を ComfyUI で動かす
カテゴリ：deeplearning
Qwen Image Layered は画像１枚とプロンプトを入力すると、複数枚の透過画像を出力するモデルだ。
学習画像は主にポスターで、文字・画像・背景・小物を分離するのが得意だ。Live2D 用に人体のパーツを分解することはできない。
Wan 2.1 の論文メモ
カテゴリ：deeplearning
Diffusion-DPO（Diffusion-Direct Preference Optimization）の学習方法
カテゴリ：deeplearning
Diffusion-DPO Diffusion Model Alignment Using Direct Preference Optimization は SD3 でも使われた強化学習手法。SD3 ではランク 128 の LoRA として作成している。
ただし、画風や新しい概念の学習のような一般的なタスクは SFT（教師ありファインチューニング）が適している。「○○がうまく描けない」というニーズは○○が言語化できているので SFT を使うべき。SFT はデータセットを用意しやすいし学習負荷も低い。
Diffusion-DPO を使うケース
- 言語化が困難だが描いてほしくないもの（暴力的・性的表現）がある
- ユーザーの選好データを持っている
- 細部の表現の崩れを改善したい
SFT（教師ありファインチューニング）と Diffusion-DPO との違い
bong_tangent スケジューラーの特徴
カテゴリ：deeplearning
ComfyUI のスタックトレースを取得する
カテゴリ：deeplearning
ComfyUI の EmptyLatentImage と EmptySD3LatentImage の違い
カテゴリ：deeplearning
スケール則の終わり
カテゴリ：deeplearning
LLM のスケール則はモデルサイズ、データセットサイズ、学習に使う計算量の３つを適切な比率で増加させれば、LLM の性能は増加量に比例して向上する、という経験則だ。
しかし LLM のデータセットは Web のスクレイピングデータで、それで差別化するのが困難になった。その結果 CoT や RLVR のような計算リソースをつぎ込んで性能を上げる手法を使うようになった。現在の方向では最も低コストな計算リソースを所有する企業が勝者になり、それは自社で学習・推論用 TPU を設計・製造できる Google になる可能性が高い。