AI 画像アップスケーリング
AI 画像アップスケーリング(AI image upscaling)、または超解像(super-resolution)は、ニューラルネットワークを使って画像を拡大し、もっともらしい細部を補う技術です。単純なリサイズよりも鮮明に見える結果が得られます。
別名: super-resolution, AI upscaler, image upscaler, image enhancer
執筆 Divya Sharma · 2026年11月15日確認 · レビューの方法
通常のリサイズは既存のピクセルを引き伸ばすので、小さな画像はぼやけたり、ブロック状に見えたりします。AI アップスケーラーは、低解像度と高解像度の画像の多数のペアから、細部が通常どう見えるかを学んでおり、拡大しながらその細部を描き足します。
仕組み
Real-ESRGAN は広く使われているオープンな例です。開発者は合成データだけで訓練しました。きれいな画像にぼかし、ノイズ、リサイズ、圧縮を加えて現実の劣化をまね、それを元に戻すようモデルに教えたのです。新しいアップスケーラーは拡散モデルを使うことが多く、より多くの細部を作り出せますが、内容をより大きく変えてしまう場合があります。
どこで使われるか
生成された画像は印刷には小さすぎることが多いため、アップスケーリングはテキストからの画像生成の最後の手順としてよく使われます。古い写真、商品写真、動画のフレームにも使われます。Upscayl は Real-ESRGAN 系のモデルを自分のコンピューターで動かせます。Magnific はホスト型の選択肢です。
限界
加えられた細部は推測であり、取り戻した情報ではありません。アップスケーラーが顔を鮮明にした結果、少し別人のような顔になったり、文字がもっともらしい意味不明の記号になったりすることがあります。アップスケールした画像を証拠として使ったり、小さな文字を読むために頼ったりしないでください。
関連用語
- Text-to-image(画像生成)
- Text-to-image(画像生成)とは、プロンプトと呼ばれる書かれた説明から新しい画像を生成するタスクです。現在のtext-to-imageモデルのほとんどは、テキストで条件付けした拡散モデルです。
- 拡散モデル
- 拡散モデル(diffusion model)とは、多くのステップをかけて少しずつノイズを取り除くことで、ランダムなノイズを画像などのデータに変えることを学ぶ生成モデルです。
- Image-to-image
- Image-to-image(画像から画像への生成)とは、既存の画像とプロンプトから新しい画像を生成するタスクです。元の画像の構造の一部を保ちながら、スタイル、細部、内容を変えます。
- インペインティングとアウトペインティング
- インペインティング(inpainting)とは、画像のマスクした領域を、画像のほかの部分に合う新しく生成した内容で埋めることです。アウトペインティング(outpainting)は同じ考え方を縁の外側に適用し、画像を枠の外へ広げます。