Amazon10/19まで!プライム感謝祭開催中!セール会場へ

ComfyUIで画像をアップスケールする方法|モデル配置・接続・画質とVRAMの確認

ComfyUI アップスケール / 画質・サイズ・負荷を比較

ComfyUIで画像を拡大する基本構成は、画像とアップスケール用モデルを読み込み、Upscale Image (Using Model)へ渡して保存する流れです。

まず生成処理から切り離し、保存済みの画像1枚で試すと、設定と負荷を確認しやすくなります。

「画像サイズを大きくすること」と「元の細部を正確に復元すること」は同じではありません。

文字、顔、商品など、意味が変わると困る部分は、拡大後に元画像と比べて確認しましょう。

目次

最初に、必要なサイズと残したい特徴を決める

例えば512×512ピクセルの画像を4倍モデルで拡大すると、幅と高さは2048×2048になります。

ピクセル数は16倍です。

横幅だけの倍率よりも、処理量や保存容量の増加が大きくなることがあります。

用途先に確認すること
Web記事の画像表示幅に対して必要なピクセル数、ファイル容量
イラストの拡大線の太さ、輪郭、塗りの境界
写真の拡大肌や髪の質感、過度なシャープさ
文字を含む画像文字の形、数字、ロゴが変わっていないか

何倍まで大きくできるかより、どのサイズで使用するかを先に決めます。

必要以上に拡大してから大きく縮小すると、処理時間に見合う差が得られない場合もあります。

アップスケール用モデルを配置する

標準的なローカル構成では、対応するアップスケールモデルをComfyUI/models/upscale_modelsへ保存します。

チェックポイント用のフォルダやLoRA用のフォルダとは別です。

対応形式や必要なノードは、モデルの配布元で確認してください。

公式の基本例では4x-ESRGANを使っていますが、すべての画像に同じモデルが最適とは限りません。

対象画像の種類、倍率、利用条件を見て選びます。

Desktop版や共有モデルフォルダを使う環境では、実際の参照先を確認します。

追加後に一覧へ出なければ、更新または再起動を試してください。

保存先とローダーの関係は公式のモデル管理説明で確認できます。

4つのノードで基本構成を作る

次のノードを用意します。

表示名は環境で翻訳される場合があります。

  1. Load Image:拡大する画像を読み込む。
  2. Load Upscale Model:アップスケールモデルを選ぶ。
  3. Upscale Image (Using Model):画像とモデルを受け取って拡大する。
  4. Save Image:処理結果を保存する。

Load ImageのIMAGEを拡大ノードのimage入力へ、Load Upscale Modelの出力をupscale_model入力へ接続します。

拡大ノードのIMAGE出力はSave Imageへつなぎます。

構成を手作業で組む前に、ComfyUI公式のアップスケール例を読み込んで確認する方法もあります。

読み込んだワークフローのモデル名と画像は、自分が用意したものへ変更してください。

実行後は、同じ部分を同じ表示条件で比べる

最初は画像1枚で実行し、出力された画像の寸法を確認します。

その後、輪郭・細かな模様・文字などを拡大表示で比較します。

画面に全体を収めた状態だけでは、細部の崩れを見逃すことがあります。

比較するときは「元画像を同じ表示サイズへ拡大したもの」と「処理後の画像」を並べると、単に表示が大きくなった効果と、処理による変化を分けやすくなります。

線が太くなった、肌が滑らかになりすぎた、小さな文字が別の形になった場合は、モデルを変える、倍率を抑える、元画像を作り直すなどを検討します。

細部が増えて見えても、元画像の情報に忠実とは限りません。

VRAM不足・途中停止が起きるとき

  • 入力画像を小さくし、まず1枚だけ処理する。
  • 同時にGPUを使っているアプリを確認する。
  • モデルの読み込みと拡大処理のどちらで停止するかを確認する。
  • 小さい画像で成功するかを比較し、解像度による負荷を切り分ける。
  • 追加ノードを使う場合は、ノード固有の分割処理や設定を公式の説明で確認する。

出力後に縮小するノードを追加しても、その前段階で必要になる拡大処理のメモリを必ず減らせるわけではありません。

まず入力サイズとモデル、処理経路を確認しましょう。

エラー文がモデルの未検出を示している場合は、VRAM対策より先に保存先とローダーを確認します。

原因が違う設定を一度に変更しないことが大切です。

画像生成の後ろへ接続する場合

基本の拡大ができたら、生成ワークフローで画像へ変換された出力を、拡大ノードへ渡せます。

一般的な構成では、VAE DecodeのIMAGE出力などが接続元になります。

KSamplerのLATENT出力を、画像を受け取るノードへそのまま接続する構成ではありません。

LATENTとIMAGEは別の型なので、どの段階のデータを使うか確認してください。

比較用として、拡大前と拡大後を別々に保存できる構成にしておくと便利です。

まず生成画像の構図や形を決め、その後に拡大する流れなら、採用しない画像に重い処理を繰り返す必要も減らせます。

採用した設定を残して、次回も比較できるようにする

モデル名、入力サイズ、出力サイズ、ワークフロー、処理時間のメモを残します。

モデルを切り替えて比較する場合は、同じ入力画像で比べてください。

アップスケールを繰り返すほど画質が良くなるとは限りません。

最終的な使用サイズで、輪郭と細部が自然か、ファイル容量が用途に合っているかを確認して採用しましょう。

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!

次に学ぶ・作業環境を選ぶ

学習を続けたい方や、作業環境を整えたい方は、目的に合うガイドをご覧ください。

生成AIのおすすめ書籍

周辺機器の優先度

目次