# Negative Prompt 検証ノート extra fingers を negative に入れると本当に効くのか?」grayscale と monochrome は同じ効果か?」 Stable Diffusion の negative prompt は、SNS で 「とりあえず入れろ」 と言われる単語が増え続けています。本データセットでは、**主要 30 種の negative について、それぞれを ON/OFF で網羅生成**し、CLIP ベースで「単語ごとの isolated effect」を定量化しました。 ## こんな人にオススメ - negative プロンプトの 「効くもの・効かないもの」を客観的に把握したい - 自分の negative リストから 無駄を削減したい - Stable Diffusion の検証ネタを 論じる根拠データを持ちたい - 月数千円の検証データで 数日分の自己実験を圧縮したい ## 主要発見(本商品の核) 効果ランキング上位5(スタイル系が圧倒): 1. grayscale(0.119) 2. 3d(0.114) 3. monochrome(0.095) 4. oversaturated(0.090) 5. realistic(0.090) 効果ランキング下位5(解剖学系、ベース negative に既出のため冗長): 26. username(0.038) 27. missing fingers(0.034) 28. malformed limbs(0.034) 29. disfigured(0.032) 30. *extra fingers(0.020)** ← 最下位 → 包括的なベース negative を使っているなら、解剖学系を重ねて入れる効果は最小限。「とりあえず extra fingers」の常識を見直す根拠データになります。 ## 内容物 - 全画像 600 枚(30 negative × 2 toggle × 10 seed、512×512、PNG、~250 MB) - 厳選 60 枚P5_highlights/、ON/OFF 差分上位 30 ペアの両方) - メイングリッド 3 枚(10 negative × OFF/ON × 5 seed の比較表、effect_rank 順) - ハイライトグリッド 2 枚(差分上位ペアを OFF/ON 横並びで) - effect_ranking.csv(30 negative の mean_diff / max_diff / std_diff / 効果順位、**本商品の核データ**) - pair_diffs.csv(全 300 ペア × cosine 差分、seed 別効果分布の分析素材) - metadata.csv(全画像のパラメータ、再現用) - aesthetic_scores.csv - README.md(検証セットアップ + 主要発見の解釈 + CSV 活用例) ## 検証セットアップ | 項目 | 値 | |---|---| | モデル | RealCartoon3D v18(SD1.5) | | Sampler | DPM++ 2M Karras / CFG 7.0 / Steps 20 / 512×512 | | ベースプロンプト | 1 boy, icon, AI, artificial intelligence, ...(P2 と完全同一) | | ベース negative | EasyNegative + 標準 anti-mutation 群(P2 と完全同一) | | seed | baseline rank 1-10 の 10 個 | P2 と全条件を揃えてあるので、seed 単位で P2 と直接比較できます。 ## 使い方 1. ZIP 展開 → README.md を読む 2. effect_ranking.csv で「効くもの・効かないもの」を一望 3. 個別ペアの実画像確認は highlights_grid_h01-h15.png / h16-h30.png で 4. metadata.csv の neg_wordtoggle で特定画像の生成パラメータを参照、再現可能 ## 使用モデル - RealCartoon3D v18(SD1.5、RCNZ) - 配布元: https://civitai.com/models/94809 - ライセンス: 作者が「outputs に権利主張せず」と明文化 本商品にはモデル本体(.safetensors)は同梱していません。 ## 注意事項 - 本検証は「特定モデル + 特定プロンプト」での結果。SDXL や別ジャンルでは順位が変わる可能性 - ベース negative がより少ない場合、解剖学系 negative の順位は上がる可能性が高い - mean_diff は CLIP 特徴の cosine 距離で、人間が知覚する「差」と完全一致しません ## 関連商品 - 同じ seed・モデル・プロンプトで 「11 sampler × 5 CFG = 55 通り検証」 → P2 - 同じ seed で 「2 モデル比較」 → P1 P2 とセットで購入すると、「DPM++ 2M Karras + cfg 7 で grayscale を入れたら…」のような cross-axis 検証に使えます。