自作キャラクターを、消費者向けGPU 1台でAIに学習させる — LoRA ファインチューニング実験
個人制作のオリジナルキャラクター「マサフィー」（LINEスタンプのレッサーパンダ）を、Stable Diffusion の LoRA ファインチューニングで再現し、新しいポーズ・場面のイラストを生成できるようにした実験プロジェクトです。学習はクラウドの有料計算資源を使わず、自宅の NVIDIA GeForce RTX 3060 1台のみで完結させました。実験の手順・比較・知見は論文（日英 / Markdown・PDF）にまとめています。
🔗 キャラクター「マサフィー」LINEスタンプ · 🤗 Hugging Face で学習済みLoRAを配布中
最良モデルで生成した、学習データに無い12種の新規ポーズ：
- 消費者向けGPUのみで完結 — RTX 3060（VRAM 12GB）1台。有料クラウド不要。1回の学習は9〜40分。
- 少数データ学習 — オリジナルキャラのLINEスタンプ16点から13点を選定して学習。
- 条件スイープ実験 — ベースモデル・学習率・LoRA次元を変えた6条件を自動学習・比較。
- エポック数アブレーション — 10〜60エポックを実測し、過学習が始まる点を特定。
- 知見の論文化 — 手順・比較・結論を学術論文形式（2カラム）でまとめ、日英・Markdown/PDF で同梱。
- 再現可能 — 学習スクリプト・プロンプト・最良LoRA・全比較画像を公開。
| カテゴリ | 技術 |
|---|---|
| 画像生成モデル | Stable Diffusion 1.5 / Counterfeit-V3.0 |
| 学習手法 | LoRA (Low-Rank Adaptation) |
| 学習フレームワーク | kohya-ss/sd-scripts |
| 基盤 | PyTorch 2.5.1 + CUDA 12.4 |
| Python環境 | Python 3.11（uv で構築） |
| ハードウェア | NVIDIA GeForce RTX 3060 12GB / Ubuntu 26.04 |
masafee-lora/
├── paper/ 論文（日英 × Markdown / LaTeX / PDF）
│ ├── paper_ja.pdf 日本語版（2カラム）
│ ├── paper_en.pdf 英語版（2カラム）
│ └── figures/ 論文用の図
├── scripts/ 学習・生成スクリプト
│ ├── train.sh 初回学習
│ ├── run_sweep.sh 6条件スイープ学習
│ ├── run_ext60.sh エポック延長アブレーション
│ ├── make_grids.py 比較グリッド生成
│ └── prompts/ 生成プロンプト集
├── monitoring/ GPU PC リソース監視ダッシュボード（おまけ）
├── training_data/ 学習に用いた13枚
├── model/ 最良 LoRA（cf_lr1_d32, epoch30）
└── results/ 生成結果・比較画像
├── first_run/ 初回学習の生成テスト
├── sweep_comparison/ 6条件スイープ + エポック延長の比較グリッド
└── showcase/ 最良モデルによる新規ポーズ生成
# 1. 学習ツール (kohya-ss/sd-scripts) を取得
git clone https://github.com/kohya-ss/sd-scripts.git
# 2. Python 3.11 環境を用意（uv 推奨。ディストリ標準が新しすぎる場合に有効）
uv venv --python 3.11 venv
source venv/bin/activate
# 3. 依存をインストール
uv pip install torch==2.5.1 torchvision==0.20.1 --index-url https://download.pytorch.org/whl/cu124
uv pip install -r sd-scripts/requirements.txt
# 4. ベースモデルを配置（SD1.5 / Counterfeit-V3.0 を別途ダウンロード）
# train_data/<繰り返し数>_masafee/ に training_data の画像とキャプションを配置
# 5. 学習を実行
bash scripts/train.sh学習済みの最良 LoRA は model/masafee_lora_best.safetensors に同梱しています。Counterfeit-V3.0 をベースに --network_mul 0.8 程度で適用してください。
実験の詳細・比較・知見は論文にまとめています。
- 日本語版: paper/paper_ja.pdf
- English: paper/paper_en.pdf
主な知見：(1) 出力品質はベースモデルの選択に最も強く依存する、(2) 学習エポック数は約30で頭打ちになり、それ以上は過学習に向かう、(3) 出力品質の上限は学習画像枚数で決まる。
このリポジトリを引用する場合は、以下の形式をお使いください（GitHub右上の「Cite this repository」からも自動生成できます）。
@software{suzuki_masafee_lora_2026,
author = {Suzuki, Masato},
title = {{Masafee LoRA: Single-GPU LoRA Fine-tuning of an
Original Character on Stable Diffusion}},
year = {2026},
version = {v1.0.0},
doi = {10.5281/zenodo.20397946},
url = {https://doi.org/10.5281/zenodo.20397946},
orcid = {0009-0000-7977-2756}
}DOI (永続アーカイブ): 10.5281/zenodo.20397946
キャラクター「マサフィー」、および本リポジトリの学習画像・生成画像の著作権は著者（masafykun / Masato Suzuki）に帰属します。キャラクターおよびその画像の二次利用・再配布・商用利用は許可していません。 本リポジトリの MIT ライセンスは、スクリプト・論文テキスト等のコード/文書部分に適用されます。
このプロジェクトのコード・スクリプト・論文テキストは MIT ライセンス のもとで公開しています（キャラクター画像を除く。上記「キャラクターについて」参照）。
© 2026 masafykun (https://github.com/masafykun)