DreamBooth（ドリームブース）学習

DreamBooth学習は、特定の人や物を、AI画像生成モデルに覚えさせる学習方法で、Stable Diffusionなどの既存モデルに対して、たった数枚の写真（通常3～30枚）を使って、対象の外見や特徴を学習させることができます。
これにより、その人・その物を自由なポーズやシーンで生成可能になります。

この記事では、Kohya_ssなどのツールで使用できる、DreamBoothについて、解説しています。

DreamBoothでできること

できること	具体例
人物やキャラクターの再現	ペット、コスプレ、自作キャラなどを忠実に生成できるようになる
少量データで学習可能	数枚の写真で特定の対象を覚えさせる（数十万画像の学習不要）
背景や衣装のバリエーション生成	例：「自分のキャラが宇宙で戦う」「猫がスーツを着る」など
商品写真の応用	自作の雑貨や衣類を、さまざまなシーンで画像化してPR可能
アートスタイル適用	覚えさせた対象を、浮世絵風や油絵風などにも変換できる

DreamBoothの特徴

項目	内容
モデルサイズ	baseモデル（例：v1-5、SDXL）に上書きする形
学習対象	特定の人・キャラ・物体など
学習画像数	通常3〜30枚（最適10〜20枚程度）
学習時間	環境やパラメータによるが、RunPodで1〜2時間前後
モデル保存形式	`.ckpt` や `.safetensors`、またはLoRA形式でも保存可能
キャプション	主に「クラス名」と「特定名詞」（例：`a photo of zwx dog`）が必要

よくある使い方例

クリエイター：自作キャラをAIで描いてもらう
コスプレイヤー：自分の姿を元に別ポーズ生成
企業：商品やキャラのプロモ素材量産
個人：ペットのさまざまな表情や場所での写真風画像生成

DreamBooth vs LoRAの違い（ざっくり）

DreamBoothとLoRAは「分類としては同じ“ファインチューニング（追加学習）手法”の一種」ですが、仕組みや特徴は大きく異なります。したがって、「同じ分類に入るが、用途や目的・重さ・適用方法は別」と考えるのが正確です。LoRAはDreamBoothの代替・簡易版として登場したものですが、今ではLoRAのほうが主流になりつつあります。

比較項目	DreamBooth	LoRA（Low-Rank Adaptation）
モデル本体	元のモデルに直接上書きする	元のモデルはそのまま、追加学習ファイルだけを使う
ファイルサイズ	数GB以上（通常3〜8GB）	数MB〜100MB前後（軽量）
学習対象	人物・キャラ・物体の「再現性重視」	スタイル・表情・ポーズなど「調整性重視」
環境負荷（VRAM）	高い（16GB以上推奨）	軽量（8GBでも可能）
再利用のしやすさ	別モデルとの併用が難しい	複数LoRAの組み合わせが簡単
学習方法	単体画像でも可・画像数は多め	キャプション付き画像推奨・構造も必要
推論時の自由度	出力が固定されがち（狙ったキャラしか出ない）	出力の調整がしやすい（強さを調整できる）

DreamBoothでの学習

自分の顔写真10枚を使って、「自分」を完全再現するモデルを作る
→ その人の顔・髪型・肌色などをモデルに埋め込むような感覚。
→ 生成される画像は、どれも「自分の顔」になる。

LoRAでの学習

自分のキャラ絵20枚程を使って「そのキャラの絵柄・特徴・雰囲気」を覚えさせる
→ いろんなポーズや表情で出力できるが、他キャラにも適用可能。
→ weight=0.7 などで「混ぜる」ことが可能。

使い分けのコツ

目的	おすすめ
自分の顔やペットを忠実に再現したい	DreamBooth
キャラの絵柄や表情、服装のパターンを自由に出したい	LoRA
軽量で複数併用したい	LoRA
1つのモデルに全て詰め込みたい	DreamBooth（ただし容量が重い）

たとえば「キャラクターを覚えさせたい」場合

ポイント	内容
ポーズのバリエーション	正面・横・後ろ・斜めなど 10〜20パターン
表情のバリエーション	無表情・笑顔・怒り・驚きなど
衣装・色違いも可	学習用として許容される（ただしLoRAは統一した方が安定）
背景は白・透過が理想	背景ノイズを減らしてモデルがキャラに集中しやすくなる
キャプション（txt）も忘れずに	`a photo of sks1 girl` のように「トリガーワード＋種別」

→ これらを合わせて最低10枚、できれば20〜30枚が理想的です。

DreamBoothの為のデータセット

フォルダ構成（例）

/dataset/
├── char1/
│   ├── img001.png
│   ├── img002.png
│   ├── img003.png
│   ├── img001.txt  ← キャプション（LoRAで使用）
│   ├── ...

画像ファイル（.png / .jpg）
可能ならキャプション（.txt）

この構成は LoRAでもDreamBoothでも使えます。

項目	LoRA	DreamBooth
キャプション必須？	ほぼ必須（タグ精度に関わる）	なくてもOK（*トリガーワードとクラスで十分なことも）
使う語句	複数タグ（1girl, hat, smile…）	`a photo of sks1 character` など簡潔な構文
画像の精度	背景あっても可	できるだけクリーン（白背景推奨）
正則化画像（optional）	通常不要	DreamBoothでは「学習の偏りを防ぐため」に正則化画像が必要な場合もある（後述）

トリガーワード（固有トークン）

トリガーワード（固有トークン） は、絶対に必要というわけではありませんが、非常に強く推奨される要素です。

目的	説明
他のデータと混同しないようにするため	例えば「girl」だけだと、世の中の「女の子」の平均像になってしまう。`sks1`を使えば、「この子＝sks1」という固有キャラとして覚えさせられる。
画像生成時に呼び出すトリガーになる	学習した後は、`sks1`をプロンプトに入れることで、そのキャラを出すことができる。
キャラの出力精度が大きく変わる	固有トークンがあるだけで再現度・安定性が格段に上がる。

LoRAでもDreamBoothでも「ほぼ必須」と考えるとよい

トリガーワードがなければ「何を学習したか」がぼやけてしまい、
出力もランダム気味になりやすいです。

LoRAの場合

必要性：多くの場合必要。ただし、既存のタグ（例：1girl, long hair, smileなど）だけで出せる場合は省略も可。
目的：学習した内容を特定のキーワードで呼び出せるようにする。
例：
- sks1 girl, mychar, originalcat など、自分で決める。
- captionファイル（txt）やtrain_data.tomlなどに含めておく。

DreamBoothの場合

必要性：基本的に「必須」です。
目的：全く新しいキャラクターやスタイルを、他の一般的なプロンプトから区別するため。
例：
- photo of sks1 person, painting of sks1 dogなど。
- 「sks1」はあくまで一例で、自分で指定可能（abcxyz, mylolaなどでもOK）。
- ただし 「sks1」などの無意味な単語にしておくと他と被らず安全 です。

トリガーワードの命名ポイント

既存のタグ（Danbooru、Prompt）と被らない名前にするのがコツ。
半角英数字で3〜6文字程度が一般的。
学習データの全キャプションに入れておくことが望ましい。

どんな文字列でもOK！

sks1, abc123, sakasa01 など、他に使われていない文字列なら何でも大丈夫。
できれば 3～6文字＋数字 にすると、既存トークンと被りづらい。
日本語は使わない方が良い（トークナイザーがうまく扱えません）

キャプション例（LoRA）

a photo of sks1 girl, short brown hair, school uniform, smiling

→ この「sks1」が「この画像はこのキャラのもの」とAIに伝えるカギになります。

生成時に「トリガーワード＋補足プロンプト」で構成。
例：sks1 girl in school uniform, masterpiece, 1girl, smile など。

DreamBooth特有の「正則化画像」とは？

正則化（regularization）画像とは、一般的な同じクラスの画像のこと。
- 例：あなたのキャラが「anime girl」なら、他の一般的な「anime girl」の画像を使う。
目的：AIが「sks1 = anime girl」と覚えてしまわないよう、カテゴリの平均像を維持するために使います。

| フォルダ例（Kohya GUI用） |

/dataset
  /my_character
    image1.png（自作キャラ）
    image2.png
    ...
  /regularization
    /person_ddim
      person1.png（一般的な「anime girl」画像など）
      person2.png
      ...

※学習時には、正則化画像のフォルダパスを指定します

instance：自分のキャラ画像
regularization：正則化用の一般画像（枚数＝instanceと同じが理想）
caption不要でも学習可能（Kohya GUIの--caption_extensionなしでOK）

--prior_loss_weight や --class_data_dir を使う場合に使用
➡ ただし最近のLoRAベースのDreamBoothでは 正則化画像なしでも十分うまくいくケースが多い

LoRA / DreamBooth 共通の構成ルール

学習用画像: 自キャラ画像（LoRAもDreamBoothも同様）
正則化画像: DreamBooth時のみ必要（LoRAではオプション）
class name としてフォルダ名を揃える必要あり（例：sks1 と anime_512）

Kohya GUIおすすめ学習パラメータ（LoRA or DreamBooth）

項目	8GB (低VRAM)	12〜16GB (中VRAM)	24GB以上 (高VRAM)
`resolution`	512	512〜640	640〜768
`batch_size`	1	2〜4	4〜8
`max_train_steps`	1000〜2000	2000〜4000	3000〜6000
`learning_rate`	1e-4	1e-4〜5e-5	5e-5
`network_dim`（Rank）	4〜8	8〜32	32〜64
`network_alpha`	Rankと同じか半分	同じ	同じ
`save_every_n_epochs`	1	1〜2	1〜2
`optimizer_type`	AdamW8bit	AdamW8bit	AdamW
`mixed_precision`	bf16 or fp16	bf16	fp16

DreamBooth系のフルモデル学習手法

DreamBoothのようにStable Diffusionモデルに新しい情報（人物・スタイル・キャラクターなど）を学習させるための手法（ファインチューニング手法）には、他にもいくつかの類似手法があります。

手法名	概要	備考
DreamBooth	元のモデルを直接改変し、人物やキャラを強く反映	忠実な再現が可能、モデルサイズは大きい
Textual Inversion	画像に固有の単語（トークン）を関連付ける	非常に軽量だが、再現力はやや弱い
Native Fine-Tuning（ノーマルFine-tune）	DreamBoothよりさらに自由度の高い全体学習	上級者向け。LoRAよりも自由度は高いが重い

DreamBoothやFine-tuneは「モデルを書き換えるタイプ」で、再現性に優れますが重く、用途が限定されます。

URLをコピーしました！