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。
別名: img2img, image editing, image transformation
執筆 Divya Sharma · 2026年11月15日確認 · レビューの方法
テキストからの画像生成のように純粋なノイズから始めるのではなく、モデルはあなたの画像から始めます。ラフなスケッチを完成したイラストにしたり、写真を絵画風に変えたり、風景の季節を変えたりできます。
仕組み
一般的な img2img の方法は SDEdit に由来します。入力画像に選んだ量のノイズを加え、拡散モデルにもう一度ノイズを除去させます。strength または denoise の設定で、加えるノイズの量が決まります。strength が低ければ元の画像の大部分が残り、高ければ大まかな形と色だけが残って、プロンプトの影響が大きくなります。
指示による編集
新しいモデルは「make the jacket blue」のような普通の指示を受け付けて画像を直接編集し、頼まれた部分だけを変えることを目指します。Qwen Image Edit 2511 はオープンな例の 1 つです。これらは画像編集モデルとも呼ばれます。
関連する用語
インペインティングは、マスクした領域だけを編集します。ControlNet は、画像全体ではなく、エッジ、深度、ポーズなど特定の構造を保ちます。AI アップスケーラーによる拡大も、解像度に焦点を当てた image-to-image のタスクの 1 つです。
限界
入力に忠実であることと、プロンプトに従うことの間にはトレードオフがあります。strength が低くても、顔や小さな文字が望まない形で変わることがあります。
関連用語
- 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。
- 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。
- ControlNet
- ControlNet は、テキストからの画像生成を行う拡散モデルが、テキストのプロンプトに加えて、エッジマップ、深度マップ、人のポーズなどの構造的なガイドに従えるようにするニューラルネットワークの追加モジュールです。
- 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。
- 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。