← 블로그 목록으로 · 2026.07.31

LoRA 학습용 데이터셋, 태그 캡션 이렇게 정리하세요

LoRA를 학습시킬 때 결과물의 품질을 좌우하는 요소는 이미지 자체만큼이나 캡션(태그 목록)입니다. 태그를 어떻게 정리하느냐에 따라 모델이 "무엇을 학습해야 할 특징으로 보고, 무엇을 고정값으로 무시해야 할지"가 달라집니다. 아래는 이미지 태거 모델로 뽑아낸 원본 태그를 실제 학습용 캡션으로 다듬을 때 참고할 만한 기준입니다.

1. Character LoRA vs Style LoRA, 캡션 전략이 다릅니다

특정 캐릭터를 학습시키는 Character LoRA라면, 그 캐릭터가 항상 가지고 있는 고정 특징(머리 색, 눈 색, 특정 헤어스타일 등)은 오히려 캡션에서 빼는 것이 일반적입니다. 캡션에 남겨두면 모델이 "이 캐릭터=이 헤어스타일일 때만"으로 과도하게 얽어서 학습해, 나중에 다른 헤어스타일로 생성하기 어려워질 수 있습니다. 반대로 포즈, 의상, 표정처럼 이미지마다 달라지는 태그는 남겨서 모델이 "이건 캐릭터의 정체성이 아니라 가변 요소"라고 구분하게 도와줍니다.

반면 화풍(Style) LoRA는 그 반대에 가깝습니다. 캐릭터·구도·의상은 상세히 캡션에 남기고, 화풍 자체를 표현하는 태그(예: 색감, 라인 스타일)는 오히려 제거해서 "이 스타일은 항상 이렇게 그려진다"는 신호를 모델에 강하게 줍니다. Danbooru 태그 체계에는 화풍 자체를 정확히 표현하는 태그가 거의 없기 때문에, 화풍을 가리키는 부분은 태그 대신 별도의 트리거워드(예: mystyle 같은 임의의 단어)로 대체하는 것이 일반적입니다.

특정 캐릭터를 특정 화풍으로만 그린 이미지로 학습하는 것처럼 두 목표가 겹치는 경우에는, 캐릭터용 트리거워드와 화풍용 트리거워드를 따로 두고 고정 외형 태그는 캐릭터 트리거워드 쪽에 묶이도록 캡션에서 빼는 것을 우선하는 편이 일반적입니다.

2. 카테고리별로 나눠서 보면 판단이 쉬워집니다

이미지 태거 모델이 뽑아내는 태그는 전부 한 줄로 섞여 있어서, 어떤 태그를 남기고 지울지 판단하기가 은근히 번거롭습니다. AnimeTag-AI의 "카테고리별 보기"를 사용하면 같은 태그 목록이 Basic·외형·의상·포즈·소품·배경·기타로 자동 정리되어 보이기 때문에, "Character LoRA니까 외형 카테고리는 통째로 지우고, 의상·포즈·배경만 남기자" 같은 판단을 카테고리 단위로 훨씬 빠르게 내릴 수 있습니다.

3. 불필요한 태그를 걸러내는 3가지 기준

• 화질/워터마크 관련 태그 — watermark, signature, lowres 같은 태그는 학습에 도움이 안 되므로 제거합니다.
• 신뢰도가 낮은 태그 — Threshold를 살짝 올려 애매한 태그(0.3 이하)는 애초에 목록에서 빼고 시작하면 정리 시간이 줄어듭니다.
• 목적과 무관한 태그 — 배경을 다양하게 생성하고 싶다면 배경 태그는 남기고, 항상 같은 구도로만 쓸 거라면 구도 태그를 지우는 식으로 목적에 맞춰 판단합니다.

4. 실제 작업 흐름 예시

1) 이미지를 AnimeTag-AI에 업로드해 태그를 뽑는다 → 2) Threshold를 0.3~0.4 정도로 맞춰 노이즈 태그를 1차로 걸러낸다 → 3) "카테고리별 보기"로 전환해 LoRA 목적에 맞지 않는 카테고리를 통째로 검토한다 → 4) 칩을 클릭해 개별 태그를 제거하고 "Prompt 복사"로 최종 캡션을 가져간다. 이미지 없이 이미 가지고 있는 태그 목록만 정리하고 싶다면 태그 분석 도구에 붙여넣어도 동일하게 카테고리별로 정리됩니다.

← 블로그 목록으로