新lora_caption&AB方案_20260327

经过我们交谈之后，我经过考虑过时间与预算，我不想进行以下测试

A：纯风格 B-lite：风格 + shot B-struct：风格 + shot + 客观结构内容（我现在最推荐） B-heavy：风格 + shot + 角色语法 + 更强内容词（对照组）

而是只进行两个版本的AB测试，即一个不加入其他有着风格差异，但是只有隆回纸马的数据集。另一个是加入其他少数动画里面会出现的元素，比如手、波形、日月等元素。

然后进行AB测试。

一个是按照网络上推荐的那样，A版本只有风格词和trigger word，b版本是风格词和trigger word+你所描述的“客观的画面结构内容”。

对我的方案进行评估，请你给我一个训练方案

AI建议：

第一阶段：只做这两个 run

Run A

• 数据：纯隆回纸马核心集

• caption：trigger + 风格词

Run B

• 数据：纯隆回纸马核心集

• caption：trigger + 风格词 + 客观结构内容

训练

• 1024px+，开 bucketing [Document | Word], [Document | Word]

• 900–1400 steps 先 smoke test [kombitz.com]

• 统一测试 prompt 对比

所以我把LORA训练书籍分成了两个，一个是有隆回纸马的数据集。另一个是加入其他少数动画里面会出现的元素，比如手、波形、日月等元素。数据集可以在学校云盘有看。

我要求AI：

按照你这个（最简执行版）方案执行。请你重点根据visual analysis（视觉分析）里面的纯描述和形式层面去分析我文档里面的图片视觉特点，然后根据我们之前讨论的caption方案，每张图片分别给我提供两个不同的caption。要注意caption的trigger word和风格提示词要每张一样

插一嘴：我把数据集图片进行了处理，去除了纸投过去产生的叠影，还有图片正上方的文字介绍（这是为了要适配动画做出来的取舍，不然静止的框和动起来的人物会形成一种强烈的对比，产生一种人物在画框里动的奇怪感觉）