Case Study 02 / Model Training
一个面向 Krea2 的暗黑奇幻几何插画 LoRA。它不是把单个画面调成某个滤镜，而是让不同主体在人物、生物、动物与建筑题材中共享同一套块面结构、低饱和色彩和纸张质感。
Output Set / 06
测试图覆盖人物、巨龙、狐狸、猫头鹰、城市和道路。重复出现的不是具体对象，而是切面结构、限定配色与舞台式构图。
01 / Training
项目目标不是复刻某个具体角色，而是训练一套可以稳定迁移的视觉规则。训练完成后，使用统一触发词调用风格，再通过提示词控制具体主体和场景。
整理风格一致的图像样本，统一画面质量与主题范围，为后续训练建立视觉边界。
建立 `prismarcana` 触发词，让模型把风格特征与独立标签绑定。
使用 AI Toolkit 1.18.9 面向 Krea2 训练 3,000 steps，并通过样图对比选出 2,000 步为最佳 checkpoint。
用六类主体检查风格是否稳定，并观察模型在复杂结构与留白上的表现。
02 / Artifact
训练集包含 25 组 4 倍放大后的图像与文本标注。当前公开的最佳权重为 prism_arcana_000002000.safetensors，约 218 MB，包含 512 个张量。 完整训练运行到 3,000 步，2000 步的样图效果最佳。
LoRA 与训练资料已经开源发布，可以分别在 Hugging Face 和 Civitai 查看模型信息与下载。
Prism Arcana 以开源模型形式发布，训练集、损失记录与最佳权重可以共同验证训练过程和最终风格。
Training Evidence / Loss
03 / Why It Matters
在短剧和视觉内容制作中，一致的角色、画风和材质不能只靠临场试错。 LoRA 训练提供了一种更底层的控制方式：先让模型学到视觉规律，再在具体项目中用参考图、提示词和工作流做二次约束。
对这个作品集而言，它补上了另一半能力：我不只是把模型接进工作流，也理解怎样通过训练数据与参数改变模型本身的行为。