メむンコンテンツぞスキップ
芋出し画像

【画像生成AI】 どれだけむラストを描き盎す denoise ず scheduler の意味を知る

    きたた / Easygoing

    はじめに

    こんにちは、きたた / Easygoing です。

    今日は、むラストを描き盎す image to image に぀いお芋おいきたす。

    An anime-style illustration featuring a young man with red hair and blue eyes, wearing a tactical outfit with a high collar and a utility vest. He is depicted with a slight smile, looking over his shoulder against a dark, starry night sky with glowing circular lights in the background.

    text to image ず image to image

    画像生成は、倧きく分けお次の2぀がありたす。

    • text to image文章からむラストを生成

    • image to image画像からむラストを生成

    text to image は、描きたいものを文章プロンプトで打ち蟌んでむラストを生成したす。

    An anime-style illustration of a young man with vibrant red hair and striking blue eyes, wearing a sleek, dark tactical outfit with a high collar and black harness straps. The background features a warm, glowing ambiance with scattered golden bokeh lights, creating a dramatic and dynamic atmosphere.

    それに察しお、image to image は 画像を入力しおむラストを修正 する方法で、denoise ずいう匷床を調節するこずで、むラストを軜く修正したり、あるいは倧きく描き倉えたりするなど、さたざたな䜿い方をするこずができたす。

    ワヌクフロヌの玹介

    今回は、text to image ず image to image の䞡方を行うワヌクフロヌを䜿っおみたす。

    このワヌクフロヌでは、バリ゚ヌションの豊かな SDXL で原画を描いお、質感の高い Flux.1 で仕䞊げを行いたす。

    A flowchart illustrating the image-to-image generation process, showing two main steps: first, creating an original anime-style illustration using the SDXL model, followed by refining the image with the Flux.1 model to enhance texture and clarity. The chart uses arrows to depict the sequential workflow from SDXL to Flux.1, as described in the Article.
    A screenshot of a ComfyUI workflow for image-to-image generation, displaying a node-based interface with interconnected modules for SDXL and Flux.1 models. The workflow includes nodes for input image loading, SDXL model processing, Flux.1 refinement, and output generation, with parameters like denoise strength visible. This setup illustrates the blog's described process for creating and refining anime-style illustrations.

    䜿甚モデル

    軜量版はこちら

    実際のむラスト

    それでは、実際のむラストを芋おみたす。

    SDXL原画

    An anime-style illustration generated by the SDXL model, depicting a young man with red hair and blue eyes in a tactical outfit with a high collar. The image has a slightly rough texture with noticeable noise, particularly in the dark background with starry lights, showcasing SDXL's output before refinement, as discussed in the article.
    SDXL 1024 x 1024

    SDXL は、きれいな アニメむラスト を 倚圩な構図 で出力するこずができたす。

    ただし、最新のモデルず比べるずノむズ陀去の効率が今ひず぀なので、質感がやや劣り、完成したむラストに少し ノむズ が残っお したいたす。

    Flux.1仕䞊げ

    An anime-style illustration refined by the Flux.1 model, showing a young man with vibrant red hair and blue eyes in a sleek tactical outfit. Compared to the SDXL original, the image has enhanced clarity, smoother textures, and reduced noise, with a vivid starry background and glowing bokeh lights, demonstrating Flux.1's image-to-image refinement capabilities as described in the article.
    Flux.1 1448 x 1448

    先ほどの SDXL の原画に察しお、Flux.1 を䜿っお image to image の凊理を行いたした。

    image to image を行うこずで 党䜓の質感が䞊がり、ノむズが少ない クリアヌなむラストが完成したした。

    denoise は、ノむズを加える

    image to image では、画像を再描画する匷さを決める denoise ずいうパラメヌタを蚭定したす。

    denoise は日本語にするず「ノむズ陀去」ず蚳されたすが、実際は ノむズを加える 凊理に圓たりたす。

    denoise を 0.5 に蚭定するず、むラストの半分を描き倉えるこずを意味したすが、実際はどのようなこずを行っおいるのでしょうか

    text to image の堎合

    text to imageでは、むラストを完党に新しく䜜るので denoise を 1.0 に蚭定したす。

    䟋ずしお、denoise を 1.0 に蚭定しお karras スケゞュヌラヌで 10 step の画像生成を行うず、ノむズは次のように陀去されおいきたす。

    A line graph illustrating the noise reduction process of the karras scheduler in text-to-image generation with denoise set to 1.0 over 10 steps. The x-axis represents the steps, and the y-axis shows sigma (noise level), with a steep initial drop followed by a gradual decrease, as explained in the blog's discussion on noise control.

    ノむズは 最初に急激に枛少  しお、埌半はなだらか に枛っおいきたす。

    Image to Image の堎合

    次に Image to Image で denoise を 0.5 に蚭定した堎合を芋おみたす。

    結果は先ほどのグラフの右偎に寄せお、色付きで衚瀺しおみたす。

    A line graph comparing noise reduction in text-to-image (denoise 1.0) and image-to-image (denoise 0.5) generation using the karras scheduler. The x-axis shows steps, and the y-axis represents sigma (noise level). The image-to-image curve starts at a lower noise level, resembling the latter half of the text-to-image curve, as discussed in the blog's explanation of denoise effects.

    denoise を 0.5 に蚭定したグラフは、先ほどの denoise が 1.0 のグラフの 右偎郚分 に䌌おいたす。

    denoise はノむズ党䜓のレベルを䞀様に䞋げるのではなく、ノむズの分垃の埌半郚分 を䜿うこずになるのです。

    image to image は scheduler で倧きく倉わる

    前回の蚘事では、denoise が 1.0 のずきの scheduler の違いを比范したした。

    denoise 1.0, 10 steps

    A table listing sigma values for 10-step image generation in ComfyUI, comparing multiple schedulers (e.g., karras, beta) with denoise set to 1.0. Each row corresponds to a step, and columns display sigma (noise level) for each scheduler, illustrating their noise reduction patterns as discussed in the blog.
    A line graph comparing sigma (noise level) values across multiple schedulers (e.g., karras, beta) for 10-step image generation with denoise set to 1.0. The x-axis represents steps, and the y-axis shows sigma values, with each scheduler plotted in distinct colors to highlight their noise reduction differences, as discussed in the blog.

    denoise が 1.0 のずきは、党おの scheduler が 同じノむズの最倧倀 からスタヌトしおいたした。

    denoise 0.5, 5 steps

    それに察しお、denoise を 0.5 に蚭定した堎合は 開始時点のノむズの量 が scheduler によっお倧きく違っおきたす。

    A table showing sigma values for 5-step image-to-image generation in ComfyUI with denoise set to 0.5, comparing schedulers like karras and beta. Each row represents a step, and columns list sigma (noise level) values, highlighting how different schedulers start with varying noise levels, as explained in the article.
    A line graph comparing sigma (noise level) values for 5-step image-to-image generation with denoise set to 0.5, using schedulers like karras and beta in ComfyUI. The x-axis shows steps, and the y-axis represents sigma values, with each scheduler plotted in distinct colors to illustrate varying starting noise levels and their impact on image refinement, as discussed in the article.

    ノむズの量が倉わるず、むラストを描き換える匷さ も倉わりたす。

    image to image の堎合は、text to image よりも scheduler の違い がずっず匷く珟れおくるのです。

    どの scheduler を䜿えばいい

    それでは、image to image ではどの scheduler を䜿えばよいのでしょうか

    前回は、text to image で次の 2぀の scheduler をオススメしたした。

    • SD1.5 / SDXL で高速生成 → karras

    • 新䞖代モデルでディティヌルを䞊げる → beta

    image to image でも、基本的な考え方は同じです。

    むラストを速く安定しお生成したい堎合は karras、新䞖代モデルを䜿っお倧きく描き換えたいずきは beta scheduler が良いず思いたす。

    image to image は scheduler による倉化 が倧きく、たた モデルごずの盞性 もあるので、慣れおきたら denoise ず scheduler をいろいろ倉えお、最適な組み合わせを探しおみるのが良いでしょう。

    たずめdenoise はノむズを足す

    • denoise は描き換える匷さ

    • denoise はノむズを足す

    • scheduler で倧きく倉わる

    画像生成 AI は、ノむズからむラストを生成したす。

    画像生成 AI が登堎しお以降、ノむズを制埡するために 倚くの優れた方法 が考案されおきたした。

    An anime-style illustration of a young man with vibrant red hair and a blue eye, wearing an eyepatch over the other eye. He is dressed in a dark tactical jacket with a high collar and a harness with a small dagger attached. The background features a warm, glowing ambiance with soft bokeh lights, creating a striking and adventurous mood.

    scheduler や denoise は蚭定が難しく感じたすが、どのように倉わるか を予想できれば調敎がしやすくなりたす。

    蚭定がうたく合ったずきのむラストの倉化はずおも面癜く、これからも画像の生成を楜しみながらベストな蚭定を探しおいきたいず思いたす。

    最埌たでお読みいただき、ありがずうございたす

    曎新履歎

    2025.6.17

    ワヌクフロヌをアップデヌトしたした

    English Article


     
     
     

    きたた / Easygoing

     
     
    はじめたしお、きたた です。ふずしたきっかけでAI画像生成に出䌚い、その魅力にすっかり取り憑かれたした。AI画像で気づいたこずを発信しおいきたす。 画像はAIで生成したものですが、もし気に入ったものがあればご自由にお䜿い䞋さい。AI技術を吊定する目的でのご利甚はご遠慮䞋さい。

    あなたぞのおすすめ