AI画像高画質化ガイド

ESRGANニューラルネットワーク推論を使用して、低解像度の画像を最大4倍までアップスケールします。鮮明さを高め、ノイズを低減し、詳細を復元します。処理はConvertCraftのサーバーで行われ、20分のタイムアウト制限があります。

必要なもの

ブラウザ — Chrome、Firefox、Safari、またはEdge 対応形式 — JPG、JPEG、PNG、WEBP、AVIF、またはGIF 制限 — 1ファイルあたり20 MBまで（20 MBを超えるファイルは拒否されます）。処理には20分のサーバータイムアウトがあります アカウント — 不要 インターネット — 処理に必要（サーバーサイドでのGPU推論）

画像の高画質化手順

ブラウザでAI Image Enhancerを開きます。ファイルエクスプローラーから画像ファイルをドラッグし、アップロードゾーンにドロップします。または、アップロードエリアをクリックしてデバイスからファイルを選択します。アップロード前にファイルが20 MBの制限内であることを確認してください。この制限を超えるファイルは拒否されます。 アップスケール倍率（2倍または4倍）を選択します。2倍設定は画像サイズを2倍にし、適度な詳細復元を行います。4倍設定はサイズを4倍にし、最大限の詳細復元を行いますが、処理時間が大幅に増加します。 「Enhance（高画質化）」ボタンをクリックします。エンジンはHTTP POST経由で画像をサーバーにアップロードします。サーバーサイドのESRGANモデルがGPU推論を使用して画像を処理します。これはニューラルネットワークであり、学習済みの重みを使用して低解像度の入力から高解像度の詳細を予測します。 高画質化された画像を確認します。エンジンは元画像と高画質化されたバージョンを並べて表示します。結果が適切であればダウンロードに進みます。そうでない場合は、別の倍率を試してください。 結果に満足したら、ダウンロードボタンをクリックします。サーバーはHTTPレスポンス経由で高画質化された画像を提供します。ブラウザが直接デバイスに保存します。一時ファイルはダウンロード直後にサーバーから削除されます。

仕組み

AI Image Enhancerは、ESRGAN（Enhanced Super-Resolution Generative Adversarial Network）を使用しています。これは、低解像度の入力から高解像度の詳細を予測することで画像をアップスケールするニューラルネットワークモデルです。画像をアップロードすると、ブラウザはバイナリデータをHTTP POST経由のマルチパートフォームとしてサーバーに送信します。サーバーは画像を受け取り、ニューラルネットワーク推論の準備を行います。

サーバーはディスクからGPUメモリへESRGANモデルの重みを読み込みます。モデルアーキテクチャは、複数のRRDB（Residual-in-Residual Dense Blocks）を持つジェネレーターネットワークで構成されており、各ブロックには畳み込み層、バッチ正規化、Leaky ReLU活性化関数が含まれています。ジェネレーターは、低解像度画像と高解像度画像のペアで学習されており、劣化した画像から鮮明な詳細へのマッピングを学習しています。

エンジンは、GPUメモリの制約に収まるように、画像を128x128または256x256ピクセルの重なり合うタイルに分割して処理します。各タイルは個別にニューラルネットワークを通過します。ジェネレーターネットワークは畳み込み層を通じて各タイルを処理し、ピクセルシャッフル操作（サブピクセル畳み込みとも呼ばれます）を使用して特徴マップを段階的にアップサンプリングし、チャネルデータを空間次元に再構成します。4倍アップスケーリングの場合、ネットワークは2つの2倍アップサンプリングステージを適用し、それぞれで幅と高さを2倍にします。

推論中、モデルは元の画像には存在しない高周波の詳細を予測します。つまり、学習中に習得したパターンに基づいて、もっともらしいテクスチャ、エッジの鮮明さ、微細な構造を生成します。例えば、低解像度入力でぼやけた顔は、モデルが数百万の学習例から学んだ目の輪郭、肌の質感、髪の毛の詳細を伴って再構築されます。

すべてのタイルの処理後、エンジンは重なり合うタイル領域をブレンドして継ぎ目のアーティファクトを除去し、完全な高画質化画像を再構築します。高画質化された画像は、HTTPレスポンスを通じてブラウザにストリーミングされます。サーバーは、配信直後にすべての一時ファイルとGPUメモリ割り当てを消去します。

問題が発生した場合

アップロードが失敗する: 画像が20 MBの制限を超えています。サーバーはこの制限を厳格に適用します。20 MBを超えるファイルはサポート対象外となり、拒否されます。

処理がタイムアウトする: サーバーにはこの操作に対して20分のタイムアウトがあります。4倍アップスケーリングを行う大きな画像は、ニューラルネットワークで処理されるタイル数が多いため、この制限に達する可能性があります。2倍アップスケーリングを試すか、元の画像サイズを縮小してください。

高画質化された画像が人工的に見える: ESRGANは詳細を予測するニューラルネットワークです。予測が不正確な場合、不自然なテクスチャやアーティファクトが発生することがあります。これは特に顔（モデルが誤った顔の特徴を生成する場合）やテキスト（文字が崩れる場合）でよく見られます。

高画質化された画像がぼやけている: 元の画像にモデルが予測するための十分な詳細が含まれていません。ESRGANは、ある程度の詳細がある画像で最も効果を発揮します。完全にぼやけた画像には高周波情報が含まれていないため、高画質化してもぼやけた結果になります。

### なぜ高画質化に時間がかかるのですか？

ESRGANは数百万のパラメータを持つ深層ニューラルネットワークです。すべてのピクセルを複数の畳み込み層に通すには、膨大な計算リソースが必要です。出力画像は入力よりもピクセル数が多いため（2倍アップスケーリングで4倍、4倍で16倍）、アップスケール倍率が高くなると負荷が指数関数的に増加します。モデルはサーバーのGPUで実行されますが、大きな画像の場合はかなりの処理時間が必要です。

### 処理中、画像はどのように保存されますか？

画像はHTTPS経由でサーバーに送信され、ESRGANモデルによってGPUメモリ内で処理され、結果としてストリーミングされます。ディスク上には一時ファイルは保存されません。レスポンス送信後、すべてのデータはサーバーメモリから即座に消去されます。

### 20 MBを超える画像をアップスケールできますか？

サーバーは20 MBのファイルサイズ制限を設けています。これを超えるファイルは拒否されます。アップロード前に画像のサイズを縮小するか、ファイルを圧縮してください。