Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
マ。 ―画像生成モデルマージの活用について / 生成AIなんでも展示会 Vol.4 2025/...
Search
Hemlok
September 02, 2025
Research
96
1
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
マ。 ―画像生成モデルマージの活用について / 生成AIなんでも展示会 Vol.4 2025/09/06(土)
生成AIなんでも展示会 Vol.4での使用スライド
Hemlok
September 02, 2025
Other Decks in Research
See All in Research
多様なデータを許容し学習し続ける模倣学習 / Advanced Imitation Learning for VLA
prinlab
0
310
EIRによる不正端末のブロッキング 5G時代におけるデバイス識別と不正対策の進化
stellarcraft
0
130
【ローカルAIに向き合う展示会vol.2】液体時間定数型モジュールを用いた オリジナルの双方向エンコーダーモデルNexteraBERT 推論速度向上検討並びにダウンストリーム評価
rikkabotan7
0
200
論文紹介: Understanding Epistemic Language with a Language-augmented Bayesian Theory of Mind
hisaokatsumi
0
160
NLP colloquium: AI Safety Survey
kanekomasahiro
2
1.1k
Language and AI
ayaniwa
0
270
CDCL を用いた MILP の厳密解法
imai448
0
260
2025年度秋葉原ウォーカブルプロジェクト調査報告 「アキバらしいウォーカブル」とは何か
izumiyama_lab
1
220
敵対生成プロンプト同時探索による内省型プロンプト最適化
kinoue_smarthr
0
420
J-STAGEの現況と全文XML登載必須化について
xspa2012
0
260
実例から見るLLMのマンガ理解:実務VQAタスクによる長期的文脈と視覚情報の定性評価
kzmssk
0
140
医療LLMの現在地〜最新研究から社会実装までを考える〜
kento1109
1
1.7k
Featured
See All Featured
The Organizational Zoo: Understanding Human Behavior Agility Through Metaphoric Constructive Conversations (based on the works of Arthur Shelley, Ph.D)
kimpetersen
PRO
0
450
30 Presentation Tips
portentint
PRO
1
400
The Director’s Chair: Orchestrating AI for Truly Effective Learning
tmiket
1
300
Taking LLMs out of the black box: A practical guide to human-in-the-loop distillation
inesmontani
PRO
3
2.4k
Game over? The fight for quality and originality in the time of robots
wayneb77
1
280
svc-hook: hooking system calls on ARM64 by binary rewriting
retrage
2
580
How GitHub (no longer) Works
holman
316
150k
Lightning talk: Run Django tests with GitHub Actions
sabderemane
0
260
The Invisible Side of Design
smashingmag
301
52k
Public Speaking Without Barfing On Your Shoes - THAT 2023
reverentgeek
1
570
Product Roadmaps are Hard
iamctodd
55
13k
Future Trends and Review - Lecture 12 - Web Technologies (1019888BNR)
signer
PRO
0
3.7k
Transcript
マ。 ―画像生成モデルマージの 活用について 生成AIなんでも展示会 Vol.4 2025/09/06 へむろっく(MixoLogy) / @Hemlok_SD
自己紹介
自己紹介 画像生成AIが好きな一般人。 音ゲーが趣味です! へむろっく ↑担当です。かわいいね @Hemlok_SD hemlok-ai Hemlok
目次 1. モデルマージとは 2. モデルマージのメリット/デメリット 3. モデルマージの実例 4. 実際の活用方法
目次 1. モデルマージとは 2. モデルマージのメリット/デメリット 3. モデルマージの実例 4. 実際の活用方法
モデルマージとは?
ずばり、料理です。
• マージとは、学習済みの既存モデルを掛け合わせて 様々なタスク処理の向上を図る手法のこと。 • 追加学習とは異なり、既存モデルを使用するため 比較的始めやすい。 • LoRA等fine tuningモデルを組み合わせると より表現の幅が広がる。
• 底なし沼。感覚でやってる。 詳しい解説
簡単に言うと • いいとこどりをしよう • モデルを混ぜて調整しよう ってことです。
目次 1. モデルマージとは 2. モデルマージのメリット/デメリット 3. モデルマージの実例 4. 実際の活用方法
• やり方が簡単 • カスタマイズが自由自在 • 自分好みのモデルが作れる モデルマージのメリット
• 試行錯誤が必要 • モデルごとにやる必要がある • ライセンスの理解が必要 モデルマージのデメリット
目次 1. モデルマージとは 2. モデルマージのメリット/デメリット 3. モデルマージの実例 4. 実際の活用方法
例えばこの生成画像…
とはいえ 1. プロンプトの効きが良い!! 2. 全体的にまとまってて惜しい!! なんか絵柄が濃い…
そこで モデルマージです!!
• 通常マージ ◦ 一般的なA+Bで行うマージ。 ◦ A+(B-C)のような差分マージもここに入る。 • 階層マージ ◦ U-Netの階層ごとにマージする手法。
◦ 細かい調整ができるが慣れが必要。 マージの種類について
今回は 「階層マージ」で やります。
今回のベースモデルは 「One obsession」
マージするモデルは 「Hassaku XL」
NoobとIllustriousについて ◇Noob系 • NoobAI-XLから派生するモデル • 全体的に色が濃くなりがち。 • プロンプトの効き目が良い。 ◇Illustrious系 •
Illustrious-XLから派生するモデル • 色が薄く絵画的な表現が得意。 • 線が細く、昔のパステルMixっぽい。
使用ツールについて
ComfyUI GitHub: https://github.com/comfyanonymous/ComfyUI • 現在主流のStableDiffusionのオープンソースコードツール。 • ノードベースで自由度が非常に高いのが特徴。 • WebUIよりも複雑だが、なれると戻れない使用感。 •
Forgeが開発終了したため、まだの方は移行推奨。
ワークフロー全体図
プロンプト関係 生成するプロンプトを入力するノード マージレシピを入力するノード 19個の数値でレシピを記入していく。 マージレシピ
マージ処理 マージ処理を行う今回のメインのノードたち。 階層マージの他、別途LoRAマージやモデル保存なしマージにも対応。
画像生成処理 マージしたモデルから画像を生成するノード。 マージのレシピ分画像生成を行いxy画像に出力する。
それではマージ実行!!
マージレシピ比較 • レシピを複数入れて、画像生成をしてレシピごとに生成比較を実施。 • 「これだ!!」と思うものができるまで繰り返す。
マージ結果の生成比較 • いいレシピが見つかったら モデルを保存 →元モデルとの生成画像を 比較して見極めます。 • ここでいい感じになればOK。 • ならなければLoRA等を
追加でマージしていきます。
完成したモデルの生成結果がこちら。 結構変わってるのがわかるかと思います!
このようにモデルマージを使用することで • 生成の幅がぐんと広がる • モチベが上がる • 生成で表現する『楽しみ』が増える と、いいことがたくさん。
目次 1. モデルマージとは 2. モデルマージのメリット/デメリット 3. モデルマージの実例 4. 実際の活用方法
活用例① 制作モデル 「LizMix」 • SDXL画像生成モデル。 • 累計DL1万突破(Civitai) • 1年半の継続更新を実施 • 個人的なマージモデル
代表シリーズ。
活用例② 制作モデル 「HinanoMix」 • SDXL画像生成モデル。 • LizMixの姉妹モデルとして制作。 • 使いやすさとプロンプトの 効きを重視したモデル。 •
Noobベースで汎用性が高いと 好評。
モデルマージ 楽しいのでぜひやってみましょう!