画像生成で「人物は合っているのに、元写真の部屋や小物まで付いてくる」ということがあります。こんなとき、プロンプトを長くするより先に試したいのがクロップです。
クロップは構図を整えるだけでなく、モデルに渡す情報を減らすテストになります。どの要素が結果を引っ張っているのかを判断しやすくするため、今回は3つの切り分け方を試しました。
参照画像ごとに役割を分けると、失敗の原因を追いやすくなります。
まず画像の役割を一文で決める
参照画像を入れる前に、「顔と髪型を残す」「カメラ位置と空間の奥行きを借りる」「色と質感だけを借りる」のように、それぞれの役割を一文で書きます。
一文で説明できない画像は、複数の役割が混ざっている可能性があります。人物写真には背景、照明、服装、レンズ感まで含まれています。きれいな写真ほど良い参照になるとは限りません。
テスト1：人物画像から背景を減らす
人物の参照画像を2枚用意します。1枚は元画像のまま、もう1枚は顔・髪・必要な服装だけが残るように少しタイトに切り取ります。
プロンプトや縦横比を変えず、同じシーンで数枚ずつ生成します。顔の安定度、元写真の家具が混ざるか、元写真と同じ照明方向が続くかを比べます。
タイトなクロップで人物が安定したなら、元の背景がシーン指定として働いていた可能性があります。ただし、顔だけに寄りすぎると体格や服装の情報が失われます。完成画像に必要な特徴は残します。
テスト2：シーン画像から競合する人物を外す
シーン画像の主な仕事は、カメラの高さ、距離、奥行き、大きな物体の位置を伝えることです。ところが中央に人物、動物、ロゴがあると、それらが被写体として強く解釈されることがあります。
空間の構造を保ちながら、目立つ人物を外したクロップを作ります。人物参照とプロンプトはそのままにして、シーン画像だけを差し替えます。
顔が別人になる、ポーズが大きく変わる、不要な物体が繰り返し出る場合は、シーン画像に意味情報が多すぎるサインです。作品として魅力的な写真より、空間を読み取りやすい写真のほうがテストには向いています。
一度に変更する画像を1枚にすると、差分を判断しやすくなります。
テスト3：スタイルから物の形を抜く
スタイル画像では、質感と物体の形が混ざりやすいです。陶器の釉薬を参考にしたいのに花瓶の形まで出る、印刷物の網点を使いたいのに文字や枠線まで付く、といったケースです。
そこで、物体全体ではなく、色・筆致・粒子・コントラストが分かる部分だけを切り出します。「スタイルなし」「元画像」「部分クロップ」の3パターンを作ると、何が移っているか見えやすくなります。
部分クロップで不要な物体が減り、色や質感だけが残るなら成功です。逆に画面全体の大小関係までがスタイルの一部なら、切り取りすぎると特徴が弱くなるので元画像へ戻します。
短時間で試す手順
- 各参照画像の役割を一文で書く
- 元画像を残してコピーを作る
- 人物・シーン・スタイルを1枚ずつクロップする
- 縦横比と生成設定を固定する
- 短いプロンプトを全テストで共通にする
- 各条件で複数枚を生成する
- 一番大きな失敗だけをメモする
クロップ、プロンプト、モデル、縦横比を同時に変えると、何が効いたのか分かりません。診断中のプロンプトは画像から読み取れない指示だけに絞り、参照画像が安定してから細かな修正を文章で足します。
入力の役割が見える環境で比較する
今回の確認では、被写体・シーン・スタイルを別々に置けるWhisk AIの参照画像ワークスペースを使いました。差し替えた画像が見えるので、「今どの変数を変えたか」を追いやすかったです。同じ設定で比較できるツールなら、この方法はほかの環境でも使えます。
変更点を一つに絞ると、失敗を次の一手に変えられます。
クロップしないほうがよい場合
全身のポーズや服装が重要なら、顔だけの画像では情報が足りません。部屋の広さを伝えたいなら周辺の建築要素も必要です。クロップ後の結果が毎回不安定なら、元の広い画像へ戻して別の変数を見直します。
参照画像は厳密な制約ではありません。文字、手指、製品寸法、完全な似顔などは保証できないため、重要な成果物は必ず目視で確認します。使用許可のある画像を使い、機密素材や人物の権利にも注意が必要です。
最後のチェック
- 各画像の役割を一つに絞れているか
- 不要な背景や別の顔が混ざっていないか
- 消したい物体を文章だけで否定していないか
- 比較中の設定を固定しているか
- 複数枚の傾向を見ているか
- 次に変える要素を説明できるか
良い参照画像は、情報量が多い画像ではなく、「何を伝えているか説明できる画像」です。