AI画像は12のデフォルトスタイルに収束する――それを壊す「物理レイヤー」の話
AI画像が商用レベルに達するために。
特に指定せずに画像を生成したとき、無限の可能性にアクセスしているわけではありません。漏斗から引き出しているだけです。 AIは学習したことからしかアウトプットを出しません。
☁️ Floyoなら質感LoRAをブラウザだけで試せます → 登録＆30日間無料コードの使い方( https://note.com/texture_lora_lab/n/n3f9a90e76a03 )
最近のリサーチで、多くのアーティストが肌で感じていたことを裏付けました。 AI画像生成はランダムな出力に収束するのではありません。 おおよそ12の支配的なビジュアルパターンに収束します。 ドラマチックな三点照明、超高精細レンダリング、彩度の高いカラーパレット、そしてあの「汎用的な高品質レンダー」に見える独特のツヤツヤした滑らかさ。 この研究によれば、これらのパターンはモデルに関係なく、ベースプロンプトに関係なく現れます。
これはバグではありません。学習データの形が可視化されたものです。
そこから導かれる示唆は、AI絵師にとって居心地が悪いものです。 プロンプトをデフォルトのレイヤー――「鎧を着た戦士」「夕焼けの風景」――のままにしておくと、統計的に平均的な出力が得られます。 そして他の誰がやっても同じです。 あなたの画像も私の画像も、同じ光沢、同じディテール密度、同じ不気味な滑らかさからなかなか逃れられません。
業界の対応は予想通りでした。仕様のレイヤーを上に積み重ねていく、というものです。
レイヤー1：スタイルの指定
最初の対策は画材の指定です。「painting」ではなく「oil painting on linen」。「ink」ではなく「ink wash on rice paper」。 zsky.aiのリサーチでも確認されている通り、画材を指定すると、未指定の場合と比べて劇的に特徴的な出力が得られます。
これが効くのは、モデルを統計的中心から押し出す語彙を追加しているからです。 「screen print」と言えば、彩度が低く、ドットパターンがはっきりしていて、よりフラットなレンダリングの部分クラスターに引き寄せられます。 「watercolor」と言えば、にじみのエッジや色の混合が得られます。
ほとんどのLoRAはこのレイヤーで動作しています。 スタイルLoRA、美的LoRA、アートムーブメントLoRA――これらはスタイルに反応する重みを調整することで、特定のビジュアル特性を好むようにモデルに教えます。 これは便利です。12のデフォルトパターンからは確かに離れられます。
しかし制約があります。 モデルの既存の統計的語彙の中で作業しているという点です。 LoRAにアクセスできる人、あるいは同じプロンプトの言葉を使う人なら、同じビジュアルの到達点に辿り着けます。 スタイルはコピー可能なのです。現在AI画像に著作権を守る法律はありません。
レイヤー2：構図とテクニカルディレクション
二つ目の対策は、構図とテクニックの具体的な指定です。ControlNetによるガイダンス。 特定の写真家や撮影監督の参照。アングルとフレーミングの指示。カメラの種類。ライティング比率の指定です。
このレイヤーは、美的語彙ではなく構造によって制約を加えます。 「oil painting」と言うだけでなく、「oil painting, shot from above, 35mm Kodachrome reference, single light source, shadows falling left」と言います。 学習データの中でそれらの技術的選択と結びついた空間的関係に、出力をより強く紐づけているわけです。
これはスタイル単体よりもカジュアルなコピーには強いです。 しかしそれでもプロンプトレイヤーの介入であることに変わりはありません。 「モデルにどの言葉と概念を組み合わせるか教える」という空間の中にいるのです。
レイヤー3：素材の物理
そして、ほとんど誰も操作していないレイヤーがあります。実際の素材の振る舞いです。
素材の物理とは「油絵のように見せる」ことではありません。 「油絵の具がリネンキャンバス上でどう振る舞うかをモデルに教える」ことです。 筆が通ると絵の具がどうビーズ状になり溜まるか。乾燥時にどうひび割れるか。透明なグレーズの塗り重ねを光がどう透過するか。支持体の織り目がどう素材を受け入れ、抵抗し、保持するか。
素材の物理とは「金色」ではありません。「切箔技法に特有の金箔の割れパターン」です。 金箔が正確な角度で圧力を受けて割れるときに形成される特有の応力線、その割れが光をどう捕らえるか、偶然の裂けや酸化とどう異なるか。
Keith Edwardsは現代のAI出力を分析してこのギャップをこう記録しています。「アルゴリズムはテクスチャーが得意ではない――常にスムーズすぎるか、うるさすぎるかのどちらかで、ディテールの配置に実際の思考があるという感覚がない」。 問題は美学的なものではありません。認識論的なものです。モデルは物理的な素材が何をするかを理解していません。
これが質感LoRAが操作するレイヤーです。 プロンプトを通じてでもなく、スタイルの語彙を通じてでもなく、実際の素材の画像――照明条件、倍率、経年状態、損傷パターンを横断して撮影されたもので訓練することで、本物の物理的振る舞いの統計的シグネチャーをモデルの重みにエンコードします。
実際の金箔、実際の金継ぎ修復、実際の刃紋鋼の緑青をAIに移植する時、その素材がどう見えるかについてのモデルの理解を書き換えているのです。
なぜレイヤー3が見過ごされてきたのか
差別化にとってこれが重要な理由はここにあります。
スタイルはプロンプトの一語でコピーできます。 LoRAが「ドラマチックなカラヴァッジオ照明」を教えるなら、それを知っている人なら誰でもプロンプトに追加できます。知識が公開語彙になってしまいます。
構図はControlNetでコピーできます。 テクニックが文書化されれば、再現可能です。
素材の物理には、モデルの学習データに存在しない素材に関する知識が必要です。 「正確な切箔の割れパターン」とプロンプトで指定しても、モデルにはそのパターンを理解するための統計的基盤がありません。 金継ぎの自然な写真では、実際の素材の分解を理解することで得られる技術的一貫性は捉えられません。
しかし、高校で日本画を学び、保存修復を扱う研究室で時間を過ごし、工房で実際の素材を手にした私なら、それらの割れパターンを見て、どれが物理的に妥当でどれがハルシネーションかを見分けられます。 単なる視覚的類似性ではなく、本物の素材知識をエンコードした独自LoRA作成用画像セットを作ることを可能にします。
このLoRAに移植した知識、物理特性は粘着性があります。リクエストに言葉を追加してもコピーできません。 視覚的な外見ではなく、物理的な振る舞いのレベルで素材を理解するという、地道な作業が必要なのです。
AIはなぜ絵の具の重さを知らないのかでは、このギャップを深く掘り下げています。 モデルは表面を見ていますが、基底材を見ていません。 光の反射は見ていますが、素材の荷重は見ていません。
実践的な示唆
自分のAIアートを12のデフォルトパターンから脱出させたいなら、選択肢はこうでしょう。
スタイルを指定する（これは今や誰もがやっています）
構図の制約を加える（これも増えてきています）
あるいは、物理レイヤーで操作して、本当にレプリカが難しい存在になる
出力が特徴的になるのは、より良いプロンプトの言葉を選んだからではありません――プロンプトは無限にコピー可能です。 使っている重みが、習得に何年もの学びを要した素材理解をエンコードしているからです。 質感LoRAはモデルに加えたスタイルではありません。モデルにエンコードした素材の知識なのです。
モデルは依然としてハルシネーションを起こします。物理レイヤーがそれを解決するわけではありません。 しかしハルシネーションを物理的な妥当性の方向に制約します。 亀裂は亀裂ができるべき場所にできます。光は光が当たるべき場所に当たります。 ディテールの密度は、「ディテールが多いほど豪華に見える」というロジックではなく、素材がどう劣化し経年変化するかのロジックに従います。
それが持続的な差別化になるかどうかは、それぞれの人が自分の作品に基づいて判断することだと思います。しかし重みにエンコードされた素材理解は、プロンプトやスタイルよりもコピーが難しいのではないでしょうか。
3距離メソッドは、この種のLoRAを体系的に構築するひとつのアプローチを文書化しています。実際の素材のマクロ写真から始め、物理的現実とデジタル表現の間の距離を理解し、その距離を最小化するように訓練する方法です。
アンチアルゴリズムトレンドは、統計の匂いがしない出力への渇望の高まりを反映しています。素材の物理は、それに応える方法でしょう。
おわりに
AIアートが同じに見えるのは、モデルが設計通りのことをしているからです。統計的中心、ビジュアルの平均、学習データの大部分が集中する12の傾向を見つけ出しています。
スタイルワードを追加することで抗うことはできます。それは助けになります。構図の制約で抗うこともできます。それも助けになります。
しかし最も深い差別化は、モデルが最も弱いレイヤーで操作することから生まれるのではないでしょうか。 それが、実際の素材の振る舞いというレイヤーです。
掲載モデル
SHIFUKU 金箔 v1 — 金箔の割れの振る舞いをエンコードする初期実験
SHIFUKU 金箔 v2 — 切箔と伝統的な施工技法に基づく精緻化された訓練
SHIFUKU 金継ぎ — 陶磁器修復の物理、漆の振る舞い、金線の光学特性
SHIFUKU 刃紋鋼（ベータ） — 差別焼入れパターン、酸化層の変動、経年緑青の進行
すべて実際の素材のマクロ写真で訓練し、物理レイヤーでのハルシネーションを最小化する3距離メソッドを使用しています。
タグ: `収束` `12パターン` `差別化` `物理レイヤー` `マチエール` `テクスチャー` `LoRA` `SDXL` `AI画像の均質化`
次に読む
なぜAI画像はどれも質感に違和感を覚えるのか？ ── ツルツル問題の構造
「反アルゴリズム」トレンドが来ている ── 市場が求める物質性
脱ツルツルの限界 ── 後処理で質感は救えるか？
「触覚の反乱」にはデータがある ── Adobe 2026レポート
情報密度の均一さがAIらしさ ── 「収束」の背景にある均一化の構造
全記事ナビ ── どこから読んでも、ここに戻れる
☁️ Floyoで質感LoRAを体験 → 30日間無料で始める方法はこちら( https://note.com/texture_lora_lab/n/n3f9a90e76a03 )
著者について
高校で日本画専攻、公立芸大で芸術学を学び、英国で博物館学修士（Merit）を取得。
英ThinkDiffusion社（Floyo AI）とのクリエイター提携により、商用レベルのH100 94GBクラウドGPU環境でLoRA作成を研究中。
金箔・螺鈿・漆など伝統素材の質感をAIに刻む「質感LoRA」を開発しています。
→ 全記事・リンク集
→ CivitAIで無料LoRAを公開中
→ noteメンバーシップ（¥500/月）
#質感LoRA #StableDiffusion #LoRA作成 #厚塗りAI #引き算のAI
noteタグ: #StableDiffusion #著作権 #スタイル #差別化 #LoRa #LoRA作成 #引き算のAI #質感LoRA #キャラLoRA #厚塗りAI #スタイルLORA
