LoRA训练数据准备中，决定模型上限的往往不是渲染引擎的版本，而是多视角图像与标注是否形成统一、可复用的结构。使用3D渲染生成多视角图，可以在相同光照、材质和相机参数下批量产出训练样本，从源头降低真实拍摄带来的姿态缺失与背景噪声。本文围绕视角采样、渲染参数、图像预处理、标注文本和清洗策略展开，给出一套面向LoRA微调的训练数据制备规范。
一、为什么3D渲染多视角图更适合LoRA训练
LoRA通过低秩矩阵学习权重偏移量，对训练数据的分布敏感。如果实拍数据只包含正面角度，模型在侧面、背面或俯视角度下就容易丢失特征，甚至出现姿态崩塌。3D渲染可以按预设角度均匀采样，让数据覆盖完整的姿态空间。对比实拍流程，实拍需要布置转台、调整灯光、处理背景和后期修图，而渲染只需要维护一套脚本就能批量生成上千张结构一致的图像。
渲染图还能同步输出深度、法线、分割掩码等多通道信息。这些数据虽然不直接用于常规LoRA训练，但可以辅助后续清洗与对齐，例如利用分割掩码检查主体是否完整、是否偏离画面中心。渲染背景也可以控制为纯色或透明，减少模型把背景与主体概念错误绑定的风险。对于角色、产品、风格化形象等训练对象，3D渲染多视角图是稳定且低成本的选择。
不过，渲染图过度干净也会让模型在真实图片上泛化不足。因此训练集中应混入适量背景变化、轻微噪声和光照扰动，并保证标注语义与图像内容一致。这样LoRA才能学习到与姿态、纹理、材质相关的特征，而不是渲染器特有的高光风格或纯色背景特征。
二、多视角渲染采集与预处理规范
视角采样建议以对象为中心建立球面或半球面坐标。方位角每30度采样一次，俯仰角至少包含平视、俯视30度和仰视30度，这样组合下来可以得到36到72个视角。对于非对称物体，建议完整覆盖360度；对于人脸或前向为主的角色，可以加密正面区域的采样密度。下面代码示例生成相机环绕位置，实际使用时需要结合渲染引擎的坐标系统调整方向。
import math
positions = []
for yaw in range(0, 360, 30):
for pitch in [-30, 0, 30]:
rad_yaw = math.radians(yaw)
rad_pitch = math.radians(pitch)
radius = 1.5
x = radius * math.cos(rad_pitch) * math.sin(rad_yaw)
y = radius * math.sin(rad_pitch)
z = radius * math.cos(rad_pitch) * math.cos(rad_yaw)
positions.append((round(x, 3), round(y, 3), round(z, 3)))
print(len(positions))
渲染分辨率直接决定LoRA可学习的纹理细节。建议单张图最短边不低于1024像素，输出为PNG格式以保留透明通道。光照方面使用三点布光加环境光，阴影柔和；同一角色在不同视角下应固定灯光的世界坐标，而不是让灯光跟随相机旋转，否则会出现明暗跳跃，导致模型把光影变化误认为材质变化。背景可在纯白、浅灰、深灰与随机自然场景之间切换，但训练集与标注描述必须匹配。
预处理流程包括将对象居中、根据包围盒裁剪到方形、统一缩放至目标尺寸，并按需要填充背景或保持透明。若渲染输出带有alpha通道，可直接用于后续训练；若不透明，建议生成对象掩码并去除边缘杂色。对于遮挡情形，可以随机添加简单遮挡物，但要同步更新标注，例如在描述中写明被遮挡部位，避免模型强记不存在的信息。
三、标注规范与标签体系设计
LoRA训练中文本描述相当于条件信号，标注不一致会造成特征混乱。每个训练样本应配一行或多行文本，描述视角、表情、姿态、光照、背景和细节。建议先固定触发词，例如所有样本统一使用某个唯一标识符，同时避免触发词与常见英文单词重复。触发词之外的描述应从粗到细：视角、主体、动作、材质、背景，这样可以让文本编码器稳定提取语义。
标注格式推荐使用JSON Lines，每行一张图，便于增量加载和过滤。示例如下：
import json
samples = [
{
"image": "robot_front_001.png",
"caption": "a detailed robot figure, front view, neutral lighting, white background"
},
{
"image": "robot_side_030.png",
"caption": "a detailed robot figure, side view, studio lighting, gray background"
}
]
with open("metadata.jsonl", "w", encoding="utf-8") as f:
for item in samples:
f.write(json.dumps(item, ensure_ascii=False) + "\n")
标注要避免模糊和主观描述，例如不要只写好看、复杂，而应具体到可观察属性。视角标注建议使用英文标准词，如front view、side view、back view、top view、low angle。同一角度下不同光照或背景的样本，描述也要相应变化，这样模型才能解耦主体与拍摄条件。必要时可以增加负面提示文件，将不需要的特征写为负面token，但要注意负面token不应与正面描述产生直接冲突。
四、数据清洗与训练配比建议
渲染多视角图容易产生大量相似帧，直接训练会导致过拟合。清洗时可按视角聚类，使用感知哈希或CLIP嵌入计算图像相似度，剔除余弦相似度高于阈值的近重复样本。对于连续渲染的视频帧，建议间隔采样，避免相邻帧高度相关。模糊、过曝、欠曝、透明区域异常的图像应直接丢弃。清洗后的数据集应保证每个视角都有适量样本，而不是集中堆在某个角度。
训练集划分建议按视角而非随机划分，例如留出部分俯仰角或方位角作为验证，观察模型在未见过角度上的表现。配比上，如果真实照片数据充足，可将渲染图占比控制在30%到60%；如果完全依赖渲染数据，应增加背景、光照和轻微后处理的多样性。训练epoch不宜过大，常见5到15个epoch即可观察收敛，学习率可设置在1e-4到5e-4之间，具体以验证损失为准。
目录结构建议保持简洁，图像目录与标注文件一一对应。Windows路径示例如C:\LoRA\dataset\img和C:\LoRA\dataset\metadata.jsonl。训练前应校验每个标注行指向的图像真实存在，并对文本编码后的token长度做统计，避免超长截断影响语义。完成以上步骤后，再用小批量样本进行冒烟训练，确认loss稳定下降后再启动全量训练，可以有效减少数据准备阶段遗留的问题。