layer-reference-sets

レイヤーの参照セット

概要

参照セットとは、名前付きのファイルグループとトレーニングカテゴリのことです。トレーニングすると LoRA が生成され、以降の実行では ID を指定して適用できます。これにより、アートディレクションを毎回プロンプトエンジニアリングで実現するのではなく、パラメーターとして扱えるようになります。

アップロード、create_reference_set、estimate_training_price、start_training、get_training_status、get_trained_model、および 5 つのカテゴリに関する仕組みは、Layer が公開している layer-train-custom-style スキルで REST と MCP の両方を通じて説明されています。このスキルでは、トレーニング結果の品質を左右する判断について説明します。

ここで名前が挙がっている関連スキルが利用可能なスキルにない場合は、ユーザーにインストールを依頼してください（npx skills add layerai/skills --skill <name>）。ユーザーの対応を待たずに進める場合は、ツールのスキーマを参照し、不足していることを明記してください。

トレーニングするかどうかを判断する

トレーニングには Creative Units が必要で、時間もかかります。多くの人が思うより、適切な選択となるケースは限られています。

状況	対応
今週使うアセットが少しだけある	承認済み画像を reference_image として添付し、image_editing でフィルタリングします
1 体のキャラクターを 12 枚ほどの画像で使う	通常は承認済みのキービジュアルを参照画像として使えば十分です
数か月にわたって複数人が同じルックを使う	参照セットをトレーニングします
増え続けるキャストや小道具のライブラリがある	対象ごとに 1 つのセットをトレーニングします
スタイルがユーザーの頭の中にしかない	まず生成して承認し、その出力を使ってトレーニングします

最後の項目は重要です。参照セットは手描きのアートだけでなく、承認済みの生成画像でもトレーニングできます。これにより、セッション中に見つけたディレクションを再利用可能にできます。

セットを厳選する

結果を最も大きく左右するのはデータセットの品質であり、パラメーターではありません。よくある失敗は、数を重視しすぎることです。

• 量より一貫性を重視します。 ルックが本当に統一された 15 枚の画像は、ほとんどが統一されていない 60 枚よりも優れています。スタイルから外れた画像が 1 枚加わるたびに、モデルはそのスタイルに幅があると学習します。
• 教える内容は 1 つに絞ります。 キャラクター、環境、UI キットを混ぜたセットでは、3 つすべてをぼかして平均化したようなものを生成するモデルになります。別々のセットに分けてください。
• 変化させるべき要素を変化させます。 キャラクターの場合は、デザイン、配色、描画を一定に保ちながら、ポーズ、角度、表情を変えます。スタイルの場合は、描画を一定に保ちながら、対象を変えます。全体を通して同一のセットでは、モデルは 1 枚の画像を再現するように学習します。
• 入力を整理します。 透かし、UI オーバーレイ、テキスト、強い圧縮がある画像や、被写体が画面内で小さい画像、被写体が隠れている画像は除外します。
• 目的に合ったカテゴリを選びます。 character、object、scene、effect、general のいずれかです。カテゴリによってトレーニングで重視する内容が変わるため、general としてトレーニングされたキャラクターでは、背景もアイデンティティの一部として学習されます。

ユーザーから大量のフォルダーが提供された場合、費用をかける前に画像を厳選することが、最も価値の高い作業です。

適切に適用する

execute_forge に reference_sets: [{set_id, weight}] としてセットを渡します。最大 10 個まで指定できます。weight の範囲は 0～2 で、デフォルトは 1.0 です。

自動選択を優先してください。 リファレンスセットを指定し、base_model_id を指定しない場合、サーバーはセットを最適に適用できるモデルを選択します。学習済み LoRA、マッピングされた参照画像、プロンプトテキストのみの順に適用精度が高くなります。list_base_models のキュレーション済みランキングは、タスクへの適合度を示すものであり、リファレンスセットへの適合度ではありません。そのため、通常は自分で選んだモデルを固定すると、学習済みのスタイルが期待より弱くなる原因になります。

重みはオン／オフの切り替えではなく、調整つまみです。まずデフォルト値から始めてください。スタイルが反映されているものの弱すぎる場合は 1.5 に近づけ、スタイルが被写体を圧倒し、どのプロンプトでも同じ構図になる場合は 0.5 に近づけます。重みが適用されるのは LoRA が適用される場合のみです。参照画像またはプロンプトテキストとして適用されるセットでは無視されます。

スタイルセットとキャラクターセットの組み合わせは機能します。競合する 2 つのスタイルセットを組み合わせると、スタイルは平均化されます。

劣化は目立ちません

estimate_forge_price、execute_forge、get_forge_run はすべて、reference_set_contributions、reference_sets_degraded、reference_sets_warning を返します。劣化した実行も成功し、Creative Units も消費されるため、出力以外には問題が見えません。

消費する前に、見積もりの寄与レポートを確認してください。reference_sets_degraded が true の場合は、適用されなかったセットとその理由をユーザーに伝えたうえで、base_model_id を指定せずに再実行してサーバーに互換性のあるモデルを選ばせるか、別のモデルを選んでください。劣化したセットを適用済みだと説明してはいけません。

実例

「生成するものはすべて、私たちのスタイルガイドに沿った見た目にしてください。」

1. 手元にあるものを確認します。同じレンダリングスタイルの 12 点と、そうでない 8 点がある場合は、12 枚のセットにします。
2. その 12 枚をアップロードし、全体的な美的スタイルであり、特定の被写体ではないため、カテゴリを general にして create_reference_set を実行します。
3. estimate_training_price を実行し、残高と照らし合わせて提示してから、20 CUs を超える場合は確認を取ります。
4. start_training を実行し、返された間隔で get_training_status を呼び出して、最終的な成功状態になるまで確認します。
5. reference_sets: [{set_id, weight: 1.0}] を指定し、base_model_id は指定せずに estimate_forge_price を実行します。これにより、サーバーが LoRA を適用できるモデルを選択します。見積もりには寄与レポートが含まれるため、消費する前にここで reference_sets_degraded を確認してください。
6. 見積もりに問題がなく、20 CUs を超える場合は確認を取ったうえで、同じ引数で execute_forge を実行します。
7. get_forge_run で結果を確認し、出力を評価してから重みを調整します。

よくある間違い

• 承認済み画像にスタイル参照を適用すれば済むのに、学習してしまう。
• 枚数を増やすために、スタイルに合わない画像をセットに加える。
• キャラクター、環境、小道具を 1 つのセットに混在させる。
• キャラクターを general として学習し、背景までアイデンティティの一部にしてしまう。
• リファレンスセットとともに base_model_id を固定し、その結果スタイルが弱いと報告する。
• 重みを調整するのではなく、オン／オフとして扱う。
• 劣化レポートを見落とし、適用されていないセットを適用済みだと報告する。