Stable Diffusionでキャラクターを生成するとき、髪飾り・イヤリング・ネックレスなどの小さなアクセサリが毎回違う形になってしまうという悩みは非常に多いです。特にLoRAで学習させたオリジナルキャラクターの場合、顔や髪型は安定するのにアクセサリだけが破綻する――そんな経験はありませんか？
この記事では、2025〜2026年に世界中のSD実務者コミュニティ（Civitai、Reddit、GitHub等）で共有されているアクセサリ一貫性のための最新テクニックを、実践的な設定値つきで7つ紹介します。
1. ネガティブプロンプトによる排除強化
最もシンプルかつ効果的な方法は、不要なアクセサリをネガティブプロンプトで強く排除することです。
SDは小さいアクセサリの位置・個数・形状を正確に制御するのが苦手です。特に片側だけの髪飾りなど非対称なデザインは、生成ごとにバラバラになりがちです。
実践設定例
| 除外対象 | ネガティブプロンプト |
|---|---|
| 髪飾り全般 | (hair ornament:1.4), (hair accessory:1.4) |
| リボン・クリップ系 | (hair bow:1.3), (hairclip:1.3), (hair ribbon:1.3) |
| ヘッドバンド系 | (headband:1.2), (scrunchie:1.4) |
| 花飾り・ピン | (hair flower:1.3), (hair pin:1.3) |
ポイント: 重み1.2〜1.4が推奨。1.5以上にすると画像全体の品質に悪影響が出る場合があります。ADetailerのad_promptにもno hair ornamentを追加すると効果的です。
2. LoRA学習時のキャプション戦略
アクセサリの一貫性を根本から解決するには、LoRA学習データのキャプション管理が最も重要です。
2つのアプローチ
A) アクセサリなしで統一する場合:
- 学習画像すべてからアクセサリを除去（またはアクセサリなしの画像のみ使用）
- キャプションから
hair ornament,hair flower等のタグを完全削除 - 生成時にネガティブで排除を強化
B) 特定のアクセサリを学習させる場合:
- 全学習画像で同じアクセサリが映っていることを確認
- キャプションでアクセサリのタグをあえて残さない（キャラの一部として学習させる）
- 非対称なデザイン（片側だけ等）は避け、SDが安定して出力できる形状に調整
- 画像の左右反転（augmentation）は非対称アクセサリには使わない
海外のLoRAトレーニングガイドでは、アクセサリの出現率が63%程度にとどまり、27%の出力で消失するという報告もあります。80枚以上の高品質な学習画像で、アクセサリが明確に映っているものを揃えることが推奨されています。
3. ADetailerによる後処理インペイント
ADetailer（After Detailer）は生成後に自動でマスク＆インペイントを行う拡張機能です。顔の修正に使われることが多いですが、アクセサリの修正にも応用できます。
設定例: アクセサリ除去用ADetailer
| パラメータ | 値 |
|---|---|
| ad_model | face_yolov8n.pt |
| ad_prompt | キャラタグ + no hair ornament |
| ad_negative_prompt | 通常ネガティブ + アクセサリ排除ネガティブ |
| ad_denoising_strength | 0.35〜0.4（高すぎると顔が変わる） |
| ad_inpaint_only_masked_padding | 64px |
Florence2ベースの検出モデルを使えば、特定のオブジェクトをより正確にセグメント検出できるようになっています。
4. 2パス・インペイントワークフロー
1回の生成で完璧なアクセサリを出すのが難しい場合、2パスに分けるアプローチが有効です。
ワークフロー
- 1パス目: アクセサリなしでキャラクター本体を生成（ネガティブでアクセサリ全排除）
- 2パス目: インペイントで髪周辺をマスクし、目的のアクセサリを追加するプロンプトで再生成
この方法のメリットは、キャラクター本体の品質を落とさずにアクセサリだけを精密に制御できる点です。デノイジング強度は0.5〜0.65程度が推奨で、低すぎると元画像に引っ張られてアクセサリが出現せず、高すぎると周辺が崩れます。
5. Regional Prompterによる領域制御
Regional Prompter拡張機能を使えば、画像の特定領域にだけ別のプロンプトを適用できます。
Attention Mode vs Latent Mode
- Attention Mode: U-Net内部で領域ごとにプロンプト計算。512x512画像の場合、U-Net深層では約8x8ピクセルまで縮小されるため、小さい領域は混ざりやすい
- Latent Mode: 64x64で計算するため領域が正確。小さいアクセサリにはLatent Modeが推奨
ControlNetと組み合わせることで、アクセサリの位置をさらに精密に制御することも可能です。
6. IP-Adapter / Reference画像によるアクセサリ転写
2025〜2026年にかけて大きく進化したのがIP-Adapterです。参照画像1枚から特徴を転写できるため、アクセサリの一貫性維持に非常に有効です。
SDXL + IP-Adapter
- アクセサリが正しく映った参照画像を1枚用意
- IP-Adapter FaceID Plus V2で顔の一貫性を確保
- LoRAと組み合わせることで、キャラクター＋アクセサリの両方を安定化
FLUX + IP-Adapter
- FLUX.1-devのIP-Adapter（InstantX / XLabs-AI開発）が2025年に公開
- 1枚の参照画像からキャラクター特徴を高精度に維持
- テキストプロンプトとの併用で微調整も可能
ComfyUIではComfyUI_IPAdapter_plusノードから簡単に利用でき、LoRA不要でアクセサリの一貫性を実現するワークフローも登場しています。
7. アクセサリ専用LoRA（Object LoRA）
キャラクターLoRAとは別に、アクセサリだけを学習させた専用LoRAを作成し、デュアルLoRAスタッキングで使う方法です。
学習のポイント
- アクセサリのクローズアップ画像を20〜30枚用意
- 様々な角度・ライティングで撮影
- キャプションはアクセサリの特徴に集中（素材、色、形状）
- LoRA重みは0.3〜0.5程度でキャラクターLoRAとスタック
Civitaiでは髪飾り専用LoRA（Hair Rose LoRA等）も公開されており、これらをベースにカスタマイズすることも可能です。
まとめ: どの方法を選ぶべきか
| 方法 | 難易度 | 効果 | おすすめケース |
|---|---|---|---|
| ネガティブ排除 | ★☆☆ | ★★★ | アクセサリ不要の場合 |
| LoRAキャプション管理 | ★★☆ | ★★★★ | 新規LoRA学習時 |
| ADetailer後処理 | ★★☆ | ★★★ | 既存ワークフローに追加 |
| 2パス・インペイント | ★★★ | ★★★★ | 特定アクセサリを精密に配置 |
| Regional Prompter | ★★★ | ★★★ | 複数アクセサリの位置制御 |
| IP-Adapter転写 | ★★☆ | ★★★★★ | FLUX / ComfyUI環境 |
| アクセサリ専用LoRA | ★★★★ | ★★★★★ | 商用で高い一貫性が必要 |
結論: 2026年現在、最も現実的なのは「LoRA学習時の設計」＋「ネガティブプロンプト」＋「ADetailer」の3点セットです。アクセサリの形を完全に統一したい場合は、いっそアクセサリなしでキャラクターを設計し、ネガティブで徹底排除するのが最も確実です。
将来的にはFLUX + IP-Adapterの進化により、参照画像1枚でアクセサリまで含めた高精度な一貫性が実現される可能性が高いです。現時点でComfyUI環境がある方は、ぜひ試してみてください。
