Real-ESRGAN AI Upscaling：仕組みと最適な使用タイミング

最終更新日: June 27, 2026

Real-ESRGANは、ほとんどの無料の「AIアップスケーラー」ツールの基盤となっているオープンモデルです。これは、従来のサイズ変更では不可能な、もっともらしいディテールを予測しながら画像を最大4xに拡大します。低解像度の写真、古いスキャン、デジタルアートを救出するのに非常に役立ちますが、実際の限界と失敗モードもあります。本ガイドでは、その仕組み、得意なこと、そして使用すべきでないケースについて解説します。

簡単な回答：Real-ESRGANは何に使うのか？

より高解像度で再撮影できない場合に、シャープさを回復させながら画像を2〜4x拡大するために使用します。コンテンツに合わせてモデルを使い分けることが重要です。

単一の画像には、Image Upscalerを使用します。バッチ処理の場合は、Real-ESRGAN CLIを使用します。一般的なアップスケーリングの判断については、how to upscale imagesを参照してください。

Real-ESRGANはどのように機能するのか？

Real-ESRGANは、GANベースの超解像度モデルです。ジェネレーターネットワークが低解像度の入力画像を受け取り、4倍大きな出力を生成します。ディスクリミネーターは、その出力が本物の高解像度のディテールに見えるかどうかを判断し、ジェネレーターはそのフィードバックから学習します。「Real-」という接頭辞は、単なる合成的なダウンサンプリングではなく、現実世界の劣化（ぼかし、ノイズ、圧縮アーティファクト）で訓練されていることを指しており、これが従来の超解像度モデルよりもJPEGアーティファクトや古い写真に対して優れている理由です。

generator upsamples 4x -> super-resolution output, with discriminators judging real vs generated detail">

Real-ESRGANのGitHubプロジェクトには、アーキテクチャ、モデル、ベンチマークが文書化されています。重要な実用的なポイントは、これはディテールを回復するのではなく、予測するものだということです。出力は真の高解像度バージョンではなく、もっともらしい推測値です。

従来のアップスケーリングとは何が違うのか？

従来のサイズ変更（Lanczos、bicubicなど）は、既存のピクセル間で補間を行うため、画像を滑らかにしますが、新しい情報を追加するわけではありません。Real-ESRGANのジェネレーターは、学習データから学んだパターンに基づいて、新しい高周波ディテール（テクスチャ、エッジ）を合成します。その結果は、同じサイズのLanczosアップスケールよりもシャープに見えますが、追加されたディテールは測定されたものではなく、発明されたものです。

この違いは重要です。Real-ESRGANの出力はシャープに見えますが、より正確であるわけではありません。証拠提出に敏感な用途（医療、法医学、アーカイブ）では、合成されたディテールは機能ではなく問題となります。

Real-ESRGANモデル間の比較は？

各モデルは特定のコンテンツタイプに合わせて調整されています。適切なものを選ぶことが、クリーンな結果と過度に処理された結果を分ける鍵となります。

ポートレート写真の一般的なワークフローは、まず汎用モデルで4x拡大を行い、次に顔領域をGFPGAN/CodeFormerに通して自然な肌質感を復元することです。このようにモデルを組み合わせることで、それぞれの強みを活かすことができます。

実用的なユースケースは？

Real-ESRGANがその価値を発揮するのは、高解像度のオリジナル画像が入手不可能である特定の状況がいくつかあります。

• 古い家族写真やスキャンデータ。 1990年代のプリントから得た1メガピクセルのスキャンを、印刷または共有するために拡大する場合など。
• 使用しなければならないダウンロードしたウェブ画像。 より大きなレイアウトに収める必要がある小さなストック画像やクライアント画像など。
• デジタルアートおよびゲームアセット。 クリーンなラインを保ちながらイラストやスプライトアートをスケールアップする場合（アニメモデルが特に優れている）。
• 圧縮されたJPEGの修復。 Real-ESRGANは現実世界の劣化データで訓練されているため、アップスケーリングと同時にJPEGのブロックノイズの一部を逆行させることができます。
• 動画フレーム。 低解像度の動画からサムネイルや印刷用の静止画を取り出す場合。

どのケースにおいても正直な前提は同じです。それは低解像度のソース画像を改善するものであり、高解像度で撮影された写真に変えるものではありません。再撮影できるか、より高解像度のマスターデータを見つけられる場合は、そちらを優先してください。convert RAW to JPG guideでは、真の高解像度なキャプチャから始める方法を解説しています。

Real-ESRGANの実行方法は？

realesrgan-ncnn-vulkan CLIは、Python環境なしでCPU/GPU上で動作します。

## 写真の4xアップスケール
realesrgan-ncnn-vulkan -i input.jpg -o output.jpg -n realesrgan-x4plus

## アニメ/デジタルアートモデル（ラインがクリーン）
realesrgan-ncnn-vulkan -i input.png -o output.png -n realesrgan-x4plus-anime

## フォルダ全体
realesrgan-ncnn-vulkan -i input_dir -o output_dir -n realesrgan-x4plus

Pythonでの統合には、realesrganパッケージがあり、パイプラインで使用できるようにモデルをラップしています。どちらも寛容なライセンスの下でオープンソースです。

Real-ESRGANはいつ失敗するのか？

失敗モードを知っておくことで、信頼できない出力に頼ることを防げます。

• 顔の「プラスチック」肌。 一般モデルが肌を不自然なテクスチャまで過度に滑らかにしてしまいます。ポートレートには専用の顔モデル（GFPGAN/CodeFormer）を使用してください。
• 幻視されたテキスト。 ドキュメントの場合、テキストのように見えるが実際には存在しないストローク状のアーティファクトを生成します。スキャンされたドキュメントには使用しないでください。
• 過度なシャープネス。 あまりに強く適用すると、出力がザラザラして見えます。アニメモデルはより穏やかです。コンテンツに合わせて選択してください。
• 4xを超える場合。 効果は急激に低下します。4xの処理を重ねるとアーティファクトが蓄積します。もっと必要なら再キャプチャが必要です。
• すでに大きな画像。 シャープな2000pxの写真にアップスケーリングしても、追加されるのは少なく、計算資源の浪費になります。

再撮影と比較するとどうですか？

Real-ESRGANは「救出ツール」であり、「解像度の代替品」ではありません。3000pxでキャプチャされた写真は、4xにアップスケールされた750pxの写真が推測できるディテールとは異なります。キャプチャをコントロールできるなら、必要な解像度で撮影してください。アップスケーリングは、高解像度のオリジナルが存在しない場合（古い写真、ダウンロードした画像、サイズが小さいクライアントファイルなど）のためのものです。convert RAW to JPG guideでは、高解像度マスターから始める方法を参照してください。

よくある間違い

• 出力を「真の」解像度として信頼すること。 これはもっともらしいディテールであり、測定されたものではありません。証拠として使用しないでください。
• 顔に汎用モデルを使用すること。 プラスチック肌が生成されます。専用の顔モデルを使用してください。
• 4xを超えるアップスケーリングをすること。 効果は逓減し、アーティファクトが蓄積します。
• すでにシャープな画像のアップスケーリングを行うこと。 メリットがなく、計算資源の浪費です。
• 100%チェックをスキップすること。 結果は常にフルサイズで検査してください。AI出力は、ズームアウトすると問題のないアーティファクトを隠すことがあります。

よくある質問

Real-ESRGANは何のためのものですか？

低解像度の画像（特にアニメ、イラスト、写真）を2xから4xにアップスケールし、もっともらしいディテールを合成するためのものです。AIアップスケーリングにおける主要なオープンモデルです。従来のサイズ変更では不可能な見かけのディテールを回復します。

Real-ESRGANは従来のアップスケーリングとどう違いますか？

従来のアップスケーリング（bicubic）は既存のピクセル間で補間を行うため、画像をぼやけさせます。Real-ESRGANは低解像度/高解像度のペアから学習しているため、本物に見えるテクスチャ（肌、布地、葉など）を合成します。トレードオフとしては、存在しなかったディテールを幻視する可能性がある点です。

どのReal-ESRGANモデルを使うべきですか？

一般的な写真にはデフォルトの (RealESRGAN_x4plus)、イラストにはアニメモデル、ポートレートをアップスケールする場合は専用の顔モデルを使用します。コンテンツタイプによって選択してください。間違ったモデルは間違った種類のディテールを合成してしまいます。

Real-ESRGANが問題になるのはどんな時ですか？

テキスト、シャープなグラフィック、すでに高解像度の画像などでは、合成されたテクスチャがエッジを歪めたり、不要なアーティファクトを追加したりするためです。写真やイラストで2x〜4xの範囲で使用するのが最適です。upscaling guideを参照してください。

Real-ESRGANは無料で使えますか？

モデル自体はオープンソースであり、GPUをお持ちであればローカルで実行するのに無料です。ホスティングサービスは画像ごとに料金がかかります。バッチ処理の場合はローカルでの実行が無料ですが、単発の場合はホスティングツールが便利です。upscaling guideを参照してください。

Real-ESRGANを実行するために必要なハードウェアは何ですか？

標準モデルを2xで動作させるには、約8 GBのVRAMを持つGPUが必要です。4xや非常に大きな画像の場合はさらに必要になります。適切なGPUがない場合は、ホスティングサービスを利用して実行してもらうことをお勧めします。CPUのみでの実行も可能ですが、非常に遅いです。必要なアップスケール比率と画像サイズに合わせてハードウェアを選択してください。

Real-ESRGANは無料ですか？

モデル自体はオープンソースであり、GPUをお持ちであればローカルで実行するのに無料です。ホスティングサービスは画像ごとに料金がかかります。バッチ処理の場合はローカルでの実行が無料ですが、単発の場合はホスティングツールが便利です。upscaling guideを参照してください。

Real-ESRGANの所要時間はどれくらいですか？

適切なGPUを使用した場合、2xアップスケールで画像あたり数秒かかります。4xや非常に大きなファイル、またはCPUのみでの実行ではより時間がかかります。バッチ処理の場合、リアルタイムではありません。時間を考慮するか、計算キューを処理するホスティングサービスを利用してください。2xのデフォルトが速度と品質のスイートスポットです。

Real-ESRGANはアニメやイラストで機能しますか？

はい、そして写真よりも優れた場合が多いです。イラストのフラットな色とクリーンなラインに合わせて調整された専用のアニメモデルがあり、汎用モデルよりもシャープで適切なディテールを生成します。アニメ、漫画、デジタルイラストにはアニメ専用モデルを使用し、写真は汎用モデルを使用してください。コンテンツタイプが最適なモデルを決定します。

画像クレジット

• アップスケール前後の比較、ESRGANアーキテクチャ、およびアップスケーリングの限界図は、作者がeコマース風の写真（Pexels #16675