AIToday
画像生成オープンソースAIHugging Face Blog掲載日時: 2026年11月13日 1:00

Hugging Face、TRELLIS.2のLoRA微調整

LINEで送る
Hugging Face、TRELLIS.2のLoRA微調整

3つのポイント

  1. 何が起きたか

    Hugging Faceは、ユーザー自身の3DアセットでTRELLIS.2をLoRAアダプターにより微調整するスクリプトとコンテナを公開した。

  2. なぜ重要か

    汎用3Dモデルはタスク上重要な細部を逃すことがあるという既知の課題に対応する。実例では構造・形状生成器へのアダプター適用により、未学習オブジェクトで靴底が参照スキャンに近づいた。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

TRELLIS.2は、統一潜在表現と呼ばれる共有の内部表現を導入した最初のTRELLISモデルを土台にしており、デコーダーはモデルを切り替えずに異なる3D形式を出力できる。TRELLIS.2は3D構造の表現方法を改善した。しかしどちらのモデルも、特定タスクへの適応を容易にする手段を提供しておらず、このガイドはその空白に対応するものだ。

ガイドの中心的な設計判断は、パイプラインの一部のみを微調整することにある。アダプターは疎構造フローDiTと形状フローDiTに追加され、テクスチャフローDiTは凍結される。理由として挙げられているのはデータだ。靴のデータセットにはベイク済みライティング付きのディフューズカラーマップはあるが、テクスチャ段階が必要とする個別のマテリアルマップがない。そのためこれらのマップで学習すると、ライティングを表面特性として学習してしまったり、破滅的忘却を引き起こしたりする可能性がある。このことから、このガイドは何を学習するかと同じくらい、何を凍結するかについてのものでもある。

この手法は小規模データセットに見合ったものだ。188点では、全パラメータ微調整はコストがはるかに高く、モデルがすでに得意とすることを上書きしかねないため、合計約930万のアダプターパラメータを学習する構成となっている。報告された結果は限定的だが具体的だ。未学習の靴オブジェクトにおいて、微調整後のモデルの靴底はベースモデルの出力よりもスキャンに近かった。著者らは、学習損失曲線は生成されたジオメトリの品質を直接測るものではないと注記しており、それゆえ未学習オブジェクトでの比較が重要な意味を持つ。

よくある質問
微調整の実行にはどのようなハードウェアが必要ですか?
各実行ではHugging Face Jobs上のA100 80GBを1台使用した。疎構造の実行は7.2時間、形状の実行は3.6時間だった。
Hugging Face Jobsではなくローカルで微調整を実行できますか?
はい。ガイドには、Jobs版と同じ引数で前処理と学習を行うDockerコマンドが用意されている。
靴の実験ではどれくらいのデータが使われましたか?
実験ではGoogle Scanned Objects(GSO)データセットの靴オブジェクト188点を使用し、9点を評価用に除外して残り179点で学習した。
Hugging Face Blog元記事を読む
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

質問と回答はこのページに公開されます。

このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る

関連記事

Nvidia暫定CEO、Hugging Face買収は予定通りと表明

暫定CEOコレット・クレス氏はNvidiaのオープンソースAI関与継続を述べ、OpenRouterの週間トークン量が前年比35倍に急増したとし、129億ドルのHugging Face買収が予定通りと確認した

TechCrunch AI9時間前

McDonald’sのAI壁画、名所とつづりを誤る

ブラックバーンにあるマクドナルドのAI制作壁画が、地元の名所とつづりを間違えた

Top Companies AI13時間前

ソニー、センサーなしAI採点をDリーグへ

ソニーは複数カメラとAI画像解析を組み合わせ、8人のダンサーの動きの同期を数値化する映像解析システムを開発

日経クロステック13時間前

個人の写真を端末内で自然言語検索する手法

Zennのガイドが、CLIP系モデルで画像とテキストを同じベクトル空間に写し、自然言語で個人の写真・動画ライブラリを検索する実装方針を公開

Zenn AI/ML15時間前

Qwen-Image-Edit、20B MMDiTで文字だけ局所修正

2025年8月18日にApache-2.0で公開されたQwen-Image-Editは、20B MMDiTバックボーンを持つ20.43Bパラメータのモデルである

Zenn AI/ML15時間前

個人用Claude Codeスキルを個人情報除去しGitHub公開

開発者が~/.claude/skills/に保存していた個人用スキル群から学籍番号や教師名、PCパスを削除し、他者が導入できる公開GitHubリポジトリとした

Zenn AI/ML15時間前
次の記事へ会議が続いても、決めたことは残る