Pie - Models 🥧 Impossible Pie 技術的特性、美的仕様、および運用プロトコルに関する包括的調査報告

---

1. 序論：ジェネレーティブAIにおける「Illustrious系」の台頭と「Pie」シリーズの位置づけ

Stable Diffusion XL (SDXL) の登場以降、画像生成AIのランドスケープは劇的な進化を遂げてきた。初期のSDXL 1.0ベースモデルが汎用性を志向していたのに対し、コミュニティ主導のファインチューニングは、特定の美的感覚やドメイン知識に特化した「特化型モデル」へと急速に分化している。その中で、現在最も注目を集め、かつ技術的な洗練を見せているのが「Illustrious（イラストリアス）」アーキテクチャに由来するモデル群である。本報告書では、このIllustrious系SDXLチェックポイントの中でも、特に「セミリアル（Semi-realistic）」な表現において卓越した性能を誇る「Pie - Models」、とりわけそのフラッグシップである「Impossible Pie」について、その技術的仕様、美的特性、運用ノウハウ、そして具体的なプロンプトエンジニアリングに至るまでを網羅的に調査・分析する。

「Impossible Pie」は、単なるアニメ調のモデルではなく、2次元のキャラクターデザインに3次元的な物理ベースレンダリング（PBR）の質感を融合させることを目的とした、極めて高度なチェックポイントである。Civitai ID: 1593793 (Version ID: 2325846) として識別されるこのモデルは、既存の「Blueberry Pie」のアップデート版として位置づけられており、ユーザーに対して「不可能（Impossible）」と思われるほどの高次元な質感表現を提供することからその名が冠されていると推測される¹。本調査は、このモデルが提供する視覚的言語を解読し、クリエイターがその潜在能力を最大限に引き出すための決定的な指針を提供することを目的とする。

---

2. Pie - Models エコシステムの体系的分析

「Impossible Pie」の特性を深く理解するためには、それが属する「Pie - Models」シリーズ全体のエコシステムを把握することが不可欠である。開発者は単一の万能モデルを提供するのではなく、ユーザーが求める「次元性（Dimensionality）」と「質感（Texture）」に応じて、あたかもパイのフレーバーを選ぶようにモデルを選択できるシステムを構築している。

2.1 シリーズ構成と各モデルの美的ターゲット

調査資料に基づき、Pieシリーズの各バリアントの特性を以下の表に整理し、分析する¹。

モデルバリアント名	推奨スタイル分類	視覚的特性と用途
Apple Pie / Fudge Pie	2D / 2.5D Anime	フラットなシェーディング、明確な輪郭線。 伝統的なセルルックアニメーションの再現に適する。
Elderberry Pie	2.5D Anime	2Dの基礎に立体的な陰影を加えたスタイル。 アニメ塗りだが厚塗りの要素を含む。
Grape Pie	Glossy Anime	高いスペキュラ（反射）成分を持つ「濡れた」質感。 鮮やかな彩度と現代的なデジタルイラストの光沢感。
Jam Pie	High-Polish Anime	徹底的に磨き上げられた2.5Dスタイル。 ポストプロセスが強くかかったような 高コントラストでリッチな視覚効果。
Cherry Pie	Anime-Western Hybrid	アニメの骨格に西洋カートゥーンやコミックの要素を融合。 バタ臭さとアニメ的な可愛さのハイブリッド。
Derby Pie	Semi-Anime / Semi-Real	アニメとリアルの境界線上。 輪郭線を弱め、塗りのタッチを強調した 絵画的なアプローチ。
Honey Pie	Hybrid	2D、2.5D、セミリアルの要素を 広範にカバーする汎用型。
Blueberry Pie	Semi-realistic	Impossible Pieの前身。 肌の質感や布の材質感にリアリティを 持たせた3D寄りのアニメスタイル。
Impossible Pie	Advanced Semi-realistic	本調査の対象。 Blueberry Pieの進化系であり、SDXLの 潜在空間における「リアル」タグの解釈 を極限まで高めたモデル。

2.2 「Impossible Pie」の独自性と進化

「Impossible Pie」が「Blueberry Pie」のアップデート版であるという事実は極めて重要である¹。これは、開発者が「セミリアル」という方向性において、より高度な学習データセットあるいは調整技術を導入したことを示唆している。具体的には、以下のような進化が見られると考えられる。

1. テクスチャ解像度の向上: 従来のセミリアルモデルでは、肌がプラスチックのように滑らかになりすぎる（ワクシーな質感）傾向があったが、Impossible Pieでは毛穴、産毛、肌の微細な凹凸といったマイクロテクスチャの表現力が強化されている。
2. 照明演算の厳密化: Illustrious系モデルの特徴である「タグ従順性」を維持しつつ、レイトレーシングを模したような物理的に正しい光の挙動（サブサーフェス・スキャタリングなど）を取り入れている。
3. 不気味の谷の回避: アニメキャラクターをリアルにする際に陥りやすい「不気味の谷」現象を、アニメ的なデフォルメ（大きな目、小さな鼻）とリアルな質感のバランスを絶妙に調整することで回避している。

---

3. 技術的アーキテクチャと推奨運用環境

Impossible Pieのような高度にチューニングされたSDXLモデルは、その性能を発揮するために厳密な運用パラメータを要求する。不適切な設定は、モデルの特性である「質感」を損ない、一般的なアニメモデルと変わらない出力しか得られない結果を招く。

3.1 サンプラーとスケジューラの最適解

調査資料およびコミュニティの知見に基づき、Impossible Pieの推奨設定は以下の通りである¹。

• Sampling Method (サンプラー): DPM++ 2M
• Schedule Type (スケジューラ): Karras
• Sampling Steps (ステップ数): 30

【技術的考察】なぜ DPM++ 2M Karras なのか？

DPM++ 2M（Diffusion Probabilistic Models Solver++ 2nd Order Multistep）は、収束速度と品質のバランスにおいてSDXL世代のスタンダードとなっている。特に「Karras」スケジューラとの組み合わせが推奨される理由は、ノイズ除去の工程における「ステップ配分」にある。Karrasスケジュールは、画像の大まかな構図が決まる初期段階よりも、ディテールが決定される終盤のノイズレベルに対して重点的にステップを割り当てる傾向がある。Impossible Pieの核心的価値である「微細な質感（セミリアル表現）」は、まさにこの生成終盤のデノイズプロセスで形成されるため、Karrasスケジュールの特性が不可欠となる。また、ステップ数を「30」と高めに設定することも、この質感を十分に焼き付けるための計算量を確保するためである（20ステップでは質感が「浅く」なる可能性がある）。

3.2 CFGスケールとガイダンスの繊細さ

• CFG Scale: 5.0 ¹

【技術的考察】低CFGの必然性

SD 1.5時代には7.0〜11.0が一般的であったCFG（Classifier-Free Guidance）スケールだが、Illustrious系SDXLモデルにおいては「5.0」という低い値が鉄則となっている。これは、SDXLのモデルが持つネイティブな彩度とコントラストが高いためである。CFGを高く設定しすぎると、プロンプトへの追従性は高まるものの、画像が過剰に焼き付き（Deep fried effect）、色が飽和し、繊細な中間色やグラデーションが失われる。Impossible Pieが目指す「リアルな質感」とは、まさにこの中間色の豊かさに依存しているため、CFGを下げてモデルの自律的な描画能力（学習された美的ウェイト）を優先させる必要がある。

3.3 解像度とアップスケーリング戦略

• Hi-Res Fix (高解像度修復): Enabled (必須) ¹
• Upscaler: R-ESRGAN 4x+ Anime6B または Latent (nearest-exact)
• Denoising Strength: 0.35 - 0.45

資料¹において「Hi-Res Fix: Enabled for all images」と明記されている点は見逃せない。SDXLのネイティブ解像度（1024x1024）であっても、Impossible Pieの真価である「セミリアルの密度」を表現するにはピクセル数が不足する場合がある。Hi-Res Fixを用いて1.5倍〜2.0倍にアップスケールすることで、初めて「肌のキメ」や「瞳の中の書き込み」、「金属の摩耗表現」といった情報が顕在化する。

---

4. プロンプトエンジニアリング：Impossible Pieの言語

Impossible Pieを操作するためのプロンプトは、単なるタグの羅列ではなく、モデルの「レンダリングエンジン」を起動するためのコマンドとして機能する。

4.1 コア・トリガーとスタイル修飾子

このモデルを「Apple Pie（2D）」ではなく「Impossible Pie（セミリアル）」として機能させるためには、明示的なスタイル指定が必要である。

【必須ポジティブプロンプト群】

• realistic, semi-realistic ¹: これらはモデルのモードを切り替えるスイッチとして機能する。
• photorealistic, 8k, masterpiece, best quality: 高画質化のための標準的なブースター。
• detailed skin, detailed eyes, highly detailed: 質感への注力を強制する。
• volumetric lighting, cinematic lighting, raytracing: 3次元的な空間表現を引き出す。

【推奨ネガティブプロンプト群】

Impossible Pieの弱点あるいは回避すべき表現を抑制する。

• flat color, flat shading, cel shaded: 2D的な表現を排除し、立体感を維持するために必須。
• cartoon, vector, simple background: 情報量の低下を防ぐ。
• lowres, worst quality, low quality: 定型的な低品質排除。
• cleft chin: セミリアルモデルで発生しやすい、顎が割れる（ケツアゴ）現象を防ぐための特定のネガティブタグ。

4.2 具体的なプロンプト構成の定石

Impossible Pieにおける理想的なプロンプト構造は以下の通りである。

(品質タグ + スタイルタグ) + (被写体定義) + (衣装・装飾) + (背景・環境) + (照明・撮影技法)

例えば、「青いドレスを着た少女」を生成する場合、単に 1girl, blue dress とするのではなく、以下のように質感を定義する言葉を付加する。

(semi-realistic, realistic, photorealistic:1.3), masterpiece, best quality, 1girl, solo, (blue velvet dress:1.2), fabric texture, detailed clothing, outdoors, garden, depth of field, soft sunlight, cinematic lighting

ここで重要なのは、velvet（ベルベット）や fabric texture（布の質感）といった材質（マテリアル）に関するタグを積極的に用いることである。Impossible Pieはこれらの材質タグに対して極めて敏感に反応し、その描き分けを行う能力を持っている。

---

5. 「バズる」作品の分析と再現性：SNSで評価される画風の研究

CivitaiやSNS上で高評価を得ているPieモデル系の作品¹を分析すると、特定の傾向と「勝ちパターン」が見えてくる。これらの要素を自身の作品に取り入れることで、評価される確率を高めることができる。

5.1 高評価作品のケーススタディ

資料¹等で言及されている、または同等のモデルで生成された人気作品の特性を分析する。

1. "Fluffy Lioness's Honor Duel" (獣人・ファンタジー系)

• 分析: 毛皮（Fur）の質感表現と、金属鎧の硬質な質感の対比が評価されている。
• 技法: fur texture, intricate armor, dynamic pose, battle atmosphere。
• 教訓: 異素材の組み合わせ（柔らかい毛と硬い金属）は、モデルの描写力を誇示するのに最適である。

2. "Cyber Miko" (サイバーパンク×伝統)

• 分析: 伝統的な巫女服の布の質感と、ネオンライトの発光表現（Bloom効果）の融合。
• 技法: glowing, neon lights, cyberpunk, japanese shrine, reflection。
• 教訓: Impossible Pieの照明演算能力を活かした「発光表現」は、視覚的なインパクト（アイキャッチ）が強く、SNSのタイムラインで目を引く。

3. "Sexy Cowboy" (肌色・逆光)

• 分析: 夕日を背景にした逆光（リムライト）によるシルエットの強調と、汗ばんだ肌の質感。
• 技法: sweat, wet skin, backlighting, rim light, golden hour。
• 教訓: 「光」を主役にする。キャラクターをただ配置するのではなく、光がどう当たっているかを描写することで、セミリアルの説得力が倍増する。

5.2 「バズる」ための要素：Impossible Pie編

以上の分析から導き出される、このモデルでSNS映えを狙うための重要要素は以下の3点である。

1. 「視線」の解像度:
   セミリアル作品において、視聴者の視線はキャラクターの「目」に集中する。detailed eyes, beautiful detailed eyes, reflection in eyes を用いて、瞳の虹彩やハイライトを極限まで書き込むこと。Impossible Pieは瞳の透明感の表現に長けている。
2. 被写界深度（ボケ味）の活用:
   背景をあえてぼかす depth of field, bokeh を使用することで、一眼レフカメラで撮影したような「写真的な高級感」を演出できる。これは2Dイラストとの差別化に最も有効な手段の一つである。
3. 環境との相互作用:
   雨、風、光といった環境要素をキャラクターに干渉させる。wet clothes（濡れ透け）, wind blowing hair（風になびく髪）, shadow on face（顔に落ちる影）などは、静止画に物語性と時間経過を与え、視聴者の想像力を刺激する。
   

---

6. 実践ガイド：技法を拡張するツールと設定 (ComfyUI & LoRA)

Automatic1111 (WebUI) だけでなく、より高度な制御が可能なComfyUIでの運用設定と、画風を補強するためのLoRA戦略について解説する。

6.1 ComfyUI パラメータ設定

ComfyUIを用いることで、Impossible Pieのポテンシャルをさらに引き出すワークフローを構築できる。

【推奨ノード構成と設定値】

• KSampler (Main Pass):

• steps: 30
• cfg: 5.0
• sampler_name: dpmpp_2m
• scheduler: karras
• denoise: 1.0 (Empty Latent)
• Latent Scaling (Hi-Res Pass):

• upscale_method: nearest-exact (シャープさを維持するため)
• scale_by: 1.5
• KSampler (Refinement Pass):

• steps: 15 - 20
• cfg: 5.0
• sampler_name: dpmpp_2m
• scheduler: karras
• denoise: 0.35 - 0.45 (これ以上上げると元の構図が崩れる)

重要な注意点: SDXL Refinerモデルは使用しないことが推奨される。Impossible Pie自体が十分なスタイル一貫性を持っているため、標準のRefinerを通すと、せっかくの「セミリアル」なテクスチャが「Refinerの汎用的な画風」に上書きされてしまい、のっぺりする可能性がある。Refinement Passでも同じ Impossible Pie チェックポイントを使用すること。

6.2 LoRAによる表現拡張

Impossible Pieはそれ単体で強力な画風を持つが、以下のタイプのLoRAを補助的に使用することで、さらに表現をリッチにできる。ただし、キャラクターLoRAの使用は本稿の後半で扱うケーススタディでは除外するため、ここでは「画風・質感」に関わるLoRAに限定する。

• Detail Tweaker / Add Detail系:

• 推奨度: 中 (Weight: 0.3 - 0.5)
• 効果: 服のシワや背景の書き込み密度を上げる。強くかけすぎるとノイズが増えるので注意。
• Lighting / Bloom系:

• 推奨度: 高 (Weight: 0.4 - 0.6)
• 効果: Simulated Lighting や Film Grain などを追加するLoRAは、Impossible Pieの写実性を補強し、映画的なルックを作り出すのに役立つ。

---

7. ケーススタディ：アスカ・ラングレー (エヴァンゲリオン) の描画

ここまでの調査・分析を集約し、ユーザーの要件である「キャラクターLoRAを使用せず、プロンプトのみでアスカ・ラングレーを描画する」課題に取り組む。このプロンプトは、Impossible Pieの特性（セミリアル、質感重視）を最大限に活かし、かつSNSでバズる要素（動的構図、感情表現）を盛り込んだものとする。

7.1 コンセプト設計

• キャラクター: 惣流・アスカ・ラングレー（式波を含む統合的なイメージ）。
• 特性の抽出: オレンジ色の髪、ツインテール、青い目、赤いプラグスーツ、インターフェイス・ヘッドセット。
• スタイルの方向性: 「Impossible Pie」に合わせて、プラグスーツのラテックス・ゴムの質感と、コックピット内のメカニカルなディテールを強調する。2D的な「萌え」ではなく、実在感のある「戦う少女」としての緊張感を描く。
• バズる要素（Hook）:

• 表情: 単なる笑顔ではなく、「侮蔑」を含んだ強気な視線、あるいは戦闘中の激しい「息遣い」。
• ライティング: エントリープラグ内を想定した、暗部と発光部（UIパネルの光）のコントラスト。
• 構図: Dutch Angle（斜め構図）や Fisheye（魚眼効果）を用いたダイナミックな視点。

7.2 具体的なプロンプト構成 (Prompt Engineering)

以下に、調査した技法をすべて投入したプロンプトを提示する。

【Positive Prompt】

score_9, score_8_up, score_7_up, source_anime,

(asuka langley soryu:1.3), 1girl, solo,

(wearing red plugsuit:1.2), interface headset, A10 nerve clips,

orange hair, twin tails, long hair, messy hair, strands floating in air,

blue eyes, intense stare, (angry expression:0.8), slightly parted lips, panting, heavy breathing, looking at viewer,

dynamic pose, sitting in entry plug, cockpit interior, mechanical details, sci-fi aesthetics, metal texture, cables,

(masterpiece, best quality, very aesthetic, absurdres:1.2),

(semi-realistic:1.4), realistic, photorealistic, 3d render, unreal engine 5, octane render,

cinematic lighting, volumetric lighting, raytracing, bioluminescence, glowing interface panels,

lens flare, chromatic aberration, depth of field, bokeh,

sweat on skin, glossy latex texture, reflection in eyes,

dutch angle, fisheye lens, from above.

【Negative Prompt】

score_6, score_5, score_4,

(worst quality, low quality, normal quality:1.4),

lowres, bad anatomy, bad hands, missing fingers, extra digit, fewer digits,

cleft chin, strong jaw, masculine features, old, wrinkles,

cartoon, flat color, cel shaded, vector, simple background,

grayscale, monochrome, zombie, watermark, text, signature,

distorted face, mutated, blurry, out of focus,

canvas frame, border.

7.3 プロンプトの解説と意図

1. (asuka langley soryu:1.3): LoRAを使わないため、キャラクタータグのウェイトを通常（1.0）より強め（1.3）に設定し、モデルの学習済みデータからアスカの特徴を強力に呼び出す。SDXL/Illustrious系は主要キャラクターの学習深度が深いため、これで十分に再現可能である。
2. semi-realistic:1.4 + 3d render: これが「Impossible Pie」を起動する最大のキーである。通常の2Dアニメ画風を強制的に3D方向へねじ曲げ、モデルの得意な質感表現領域へと誘導する。
3. glossy latex texture, sweat on skin: プラグスーツの光沢感と肌の汗を明示的に指示することで、このチェックポイントの強みである「異素材の描き分け」を強調する。これが視覚的なリアリティ（＝バズる要因）となる。
4. chromatic aberration (色収差) + fisheye lens: 画面に「レンズを通した映像」のようなアナログなノイズと歪みを加え、AI特有の「綺麗すぎる不自然さ」を消す。これにより、作品としての情報密度とアーティスティックな評価が高まる。
5. messy hair, strands floating in air: 髪を少し乱れさせることで、動き（Motion）と空気感（Atmosphere）を演出する。完璧に整った髪は静止画として退屈になりがちであるため、動的な要素を加える。

---

8. 結論

本調査により、「Pie - Models 🥧 Impossible Pie」は、SDXL Illustrious系モデルの中でも、「2Dキャラクターの魅力」と「3Dレンダリングの物質感」を高度に統合した、極めて洗練されたチェックポイントであることが判明した。その運用には、DPM++ 2M Karras / 30 steps / CFG 5.0 という厳密なプロトコルの遵守と、質感・照明・レンズ効果を言語化する高度なプロンプトエンジニアリングが求められる。

特に、今回設計したアスカ・ラングレーの生成事例において示したように、キャラクターLoRAに依存せずとも、モデル自体の潜在能力と適切なスタイルタグ（semi-realistic, latex texture等）を組み合わせることで、既存のアニメ絵とは一線を画す、深みのある「作品」を創出することが可能である。Impossible Pieは、単なる画像生成ツールではなく、光と物質の関係性をシミュレートする「バーチャルな撮影スタジオ」として捉え、運用することが、クリエイターにとっての最適解であると結論付ける。

---

引用文献

1. Pie - Models - SeaArt AI Model, 12月 5, 2025にアクセス、 https://www.seaart.ai/models/detail/3ab7dd20eafb2a29b8ffe30774d331cb
2. Search prompts for Stable Diffusion, ChatGPT ... - PromptHero, 12月 5, 2025にアクセス、 https://prompthero.com/ai-models/pie-models-download