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

1. 各参照画像の役割を一文で書く
2. 元画像を残してコピーを作る
3. 人物・シーン・スタイルを1枚ずつクロップする
4. 縦横比と生成設定を固定する
5. 短いプロンプトを全テストで共通にする
6. 各条件で複数枚を生成する
7. 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。

最近、AIイラストを作る時に「文章を長くするほど思い通りになる」と思い込んでいました。

でも実際は、人物を直したら背景が変わる。
背景を直したら色まで変わる。
そんなやり直しが続くこともあります。

そこで試したのが、参照画像の役割を3つに分ける方法です。

・主役（subject）
・背景や構図（scene）
・色や質感（style）

最初から完璧な3枚を選ぶ必要はありません。
出力を見て、崩れた役割の画像だけ交換します。

この方法にしてから、「どこを直せばいいのか」が分かりやすくなりました。

特に効いたのは、同じ役割の画像を何枚も混ぜないこと。
人物写真を3枚入れると、髪型や服の情報が競合して、逆に不安定になる場合がありました。

一方で、参照画像を使っても完全に固定できるわけではありません。
トリミングや照明、モデル側の解釈で細部は変わります。

今回はブラウザで試せる画像を組み合わせて生成するツールを使い、主役・背景・スタイルを一つずつ入れ替えながら比べました。

長いプロンプトを書く前に、まず「何を画像で見せるか」を整理する。
AIイラストを何度も作り直している時は、この考え方が意外と役立ちそうです。