Grounding Prompt Guide

Krea 2 Identity Edit Grounding Promptガイド

Grounding向けpromptでは、「どの参照画像の、何を保持し、何を変更して、最終的に何を生成するか」を明示すると安定します。

通常のpositive prompt欄の文章が、そのまま参照画像と一緒にQwen3-VLへ渡されます。専用の特殊構文は必要ありません。

基本形

次の順番で指示を組み立てると整理しやすくなります。

1. 参照画像の役割
2. 最終的に生成する画像
3. 保持する要素
4. 変更する要素
5. 構図、照明、画風

[参照対象]を使って、[最終画像]を生成する。
[保持する要素]を維持する。
[変更する要素]だけを変更する。

英語では、次のように記述できます。

Create a new image of the person from the subject reference.
Preserve the person's facial identity, hairstyle, and body proportions.
Change the clothing to a red jacket and place the person on a Tokyo street at night.

単一参照

Subject referenceだけを使用する場合です。

Create a new image of the person from the subject reference standing on a
Tokyo street at night. Preserve the person's facial identity, eye shape,
hairstyle, and body proportions. Change the clothing to a red leather jacket.
Use cinematic neon lighting and a medium full-body composition.

単に「赤いジャケットの人物」と書くのではなく、次のように対象を参照画像へ結びつけます。

the person from the subject reference

衣装だけを変更する

Change only the clothing of the person from the subject reference to a black
business suit. Preserve the face, hairstyle, body shape, pose, camera angle,
background, and lighting.

ポーズと背景を変更する

Create a new image of the person from the subject reference running through a
sunny flower field. Preserve the person's facial identity, hair color,
hairstyle, and clothing details. Use a dynamic full-body pose and a low camera
angle.

この場合、元のposeやbackgroundは変更対象です。変更する要素をPreserveの列挙へ入れないようにします。

物を除去する

Remove the glasses from the person in the subject reference. Reconstruct the
eyes and surrounding facial area naturally. Preserve the person's facial
identity, hairstyle, expression, clothing, background, and lighting.

除去する物だけでなく、除去後の領域をどう再構成するかも指定すると安定します。

Scene＋Subjectの2参照

2参照では、それぞれの役割を明確に区別します。

Place the person from the subject reference into the scene reference.
Preserve the person's facial identity, hairstyle, clothing, and body
proportions. Preserve the composition, camera angle, perspective, and lighting
of the scene reference. Integrate the person naturally into the scene.

内部では、画像が次の順番でQwen3-VLへ渡されます。

1枚目: scene reference
2枚目: subject reference

Promptでは、first imageやsecond imageよりも、次の役割名を使う方が読みやすくなります。

scene reference
subject reference

具体例：

Place the woman from the subject reference on the empty chair in the scene
reference. Preserve her facial identity, long black hair, blue dress, and body
proportions. Preserve the room layout, camera position, furniture, perspective,
and warm evening lighting from the scene reference. Match the subject's scale
and shadows to the scene.

空間関係を具体的に書く

Groundingは画像内の対象と文章を対応づける処理なので、位置関係を明示すると効果的です。

曖昧な例：

Put her there and make it red.

具体的な例：

Place the person from the subject reference on the left side of the sofa.
Change her jacket to red. Keep the sofa, table, window, and background
unchanged.

位置や対象の指定には、次のような表現を使用できます。

• on the left/right side
• in the foreground/background
• behind/in front of
• next to
• the person wearing ...
• the object held in the right hand
• the sign behind the subject

元画像の説明より完成画像の指示を書く

Qwen3-VLは参照画像を直接確認できるため、元画像全体を長く説明する必要はありません。

推奨しない例：

There is a woman with black hair wearing a white shirt. Behind her is a wall...

推奨例：

Preserve the identity and hairstyle of the person from the subject reference.
Replace the white shirt with a red jacket and move the person to a nighttime
city street.

元画像の不要な要素まで詳しく説明すると、それらも保持対象として解釈されることがあります。

Negative prompt

Forge版では、CFGが1より大きい場合、negative promptにもpositive promptと同じ参照画像がgroundingされます。

人物編集の例：

different person, altered facial structure, distorted face, duplicate person,
extra limbs, incorrect hands, blurry eyes

Scene＋Subjectの例：

different identity, duplicated subject, incorrect scale, floating subject,
mismatched perspective, inconsistent lighting

変更後に必要な要素をnegative promptへ入れないよう注意してください。たとえば、赤いジャケットを生成したい場合、negative promptへred clothingを書いてはいけません。

Krea 2 TurboをCFG 1で使用する場合、通常negative conditioningは使用されません。

Grounding system prompt override

Grounding system prompt overrideは、通常の編集指示を書く欄ではありません。基本的には空欄にして、学習時に近い標準templateを使用してください。

調整する場合は、Qwen3-VLが画像の何を詳しく読むかを指定します。

Analyze facial identity, hairstyle, clothing, body proportions, pose, lighting,
camera angle, and spatial relationships precisely. Distinguish preserved
features from requested changes.

2参照専用の例：

The first image is the scene reference and the second image is the subject
reference. Identify their roles precisely and follow the user's edit
instruction while preserving the requested visual details.

System promptを変更すると学習時の条件から離れる可能性があります。通常のpromptだけでは対象認識が不十分な場合に限定して使用することを推奨します。

要約

Grounding promptの基本形は次のとおりです。

Use [どの参照]の[どの対象]を、[どう変更]し、
[何を保持]して、[どこへ・どんな構図で]生成する。

• subject referenceとscene referenceの役割を明記する
• 保持する要素と変更する要素を分ける
• 人物、物体、位置関係を具体的に指定する
• 元画像の説明ではなく、完成画像への指示を書く
• System prompt overrideは通常空欄にする