重要なポイント
- Apache 2.0ライセンス — 個人利用・商用利用ともに無料、ソースコードは完全に公開
- 完全にローカルで動作：アカウント不要、画像ごとの費用なし、ダウンロード後はインターネット接続不要
- 2つのインストール経路：開発者向けのPythonパッケージ、またはPython・CUDA設定不要のスタンドアロンNCNN-Vulkan実行ファイル
- 汎用（RealESRGAN_x4plus）、アニメ最適化（RealESRGAN_x4plus_anime_6B）、顔復元（GFPGAN統合）のモデルバリエーションを同梱
- Upscaylのアップスケール機能、ComfyUIのアップスケールノード、AUTOMATIC1111 WebUIのExtrasタブを支えている — ほとんどのユーザーはコマンドラインに触れることがない
- Vulkanベースの実行ファイル経由でNvidia・AMD・Intel GPUに、Pythonパッケージ経由でApple Siliconに対応
📍 一文で説明
Real-ESRGANは無料・オープンソース（Apache 2.0）のAI画像アップスケーラーで、ローカルハードウェア上で画像を拡大し詳細を復元します。Pythonツール、インストール不要の実行ファイル、またはUpscayl・ComfyUI・AUTOMATIC1111 WebUIなどのアプリへの組み込みとして利用できます。
💬 簡潔に説明
Real-ESRGANにぼやけた低解像度の写真を渡すと、より大きく鮮明なバージョンが出力されます — Topaz Gigapixel AIのような有料クラウドアップスケーラーと同じ仕事を、モデルが自分のGPU（またはCPU）上で動作し、データが一切自分のマシンから出ない形で行います。
📌補足: Real-ESRGANはアップスケーラーであり、text-to-image生成器ではありません。既存の画像を拡大・シャープ化するだけで、プロンプトから新しい画像を作成することはできません。
Real-ESRGANは今もメンテナンスされていますか？
はい。Tencent ARC Labの研究者が発表したReal-ESRGANは、GitHub上で今も活発なオープンソースリポジトリであり続けています — アーカイブされておらず、自身が頻繁な独自リリースを必要とするスタンドアロンアプリというより、他の活発に開発されているツールが基盤とする事実上の標準アップスケールバックエンドとして機能しています。
その継続的な重要性を示す最も明確な兆候は間接的なものです：ComfyUIの組み込みアップスケールノード、AUTOMATIC1111 WebUIのExtrasタブ、そして専用のオープンソースアプリUpscaylは、2026年時点でいずれもReal-ESRGANのモデル重みをデフォルトで同梱しています。複数の活発にメンテナンスされているプロジェクトにインフラとしてここまで深く組み込まれたツールは、下流の依存先を持たないスタンドアロンアプリのように消えることはありません。
GitHubリポジトリの状態
- 状態:
- アクティブ、非アーカイブ
- 意味:
- ソースコード、Issueトラッカー、プルリクエストがgithub.com/xinntao/Real-ESRGANで引き続きオープン
下流での採用
- 状態:
- デフォルトで同梱
- 意味:
- ComfyUI、AUTOMATIC1111 WebUI、UpscaylはいずれもReal-ESRGANのモデルをデフォルトまたは主要なアップスケーラーとして同梱
元論文
- 状態:
- 2021年、ICCV Workshopsで発表
- 意味:
- Xintao Wang、Liangbin Xie、Chao Dong、Ying Shanによる「Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data」
📌補足: Real-ESRGANは他のツールが組み込むモデル／ライブラリとして機能するため、「アプリ」自体がメンテナンスされているかを確認するより、それを基盤とするツール（Upscayl、ComfyUI）がメンテナンスされているかを確認する方が有用です — 実際にメンテナンスされています。
Real-ESRGANとは何ですか？
Real-ESRGAN（github.com/xinntao/Real-ESRGAN）は、低解像度または劣化した画像を入力として受け取り、より大きく鮮明なバージョンを出力する、オープンソースでApache 2.0ライセンスのAI超解像モデルです。Tencent ARC Labの研究者によって開発され、2021年のICCV Workshopsで「Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data」として発表されました。単純な補間（バイキュービックやLanczosによるリサイズ）とは異なり、既存のピクセルを引き伸ばすだけでなく、学習済みニューラルネットワークを使ってテクスチャ・エッジ・微細な構造といった妥当な詳細を再構築します。
- アップスケーリング：画像をぼかすのではなく、AIが再構築した詳細を加えながら2倍または4倍に拡大
- 復元：クリーンにダウンサンプリングされたテスト画像だけでなく、実世界で劣化した写真からJPEG圧縮アーティファクト・ノイズ・ぼけを除去
- 顔の強化：GFPGANとのオプション統合により、拡大後の出力で顔を特に復元・シャープ化
- アニメモード：写真で学習したアップスケーラーが線画に引き起こす過度な平滑化を避けるため、アニメ・イラスト画に特化して学習された別モデル
- バッチ・動画処理：付属スクリプト（inference_realesrgan_video.py）が同じアップスケーリングを動画ファイルにフレームごとに適用
Real-ESRGANはどのモデルを提供していますか？
Real-ESRGANはそれぞれ異なる種類の画像向けに調整された複数の事前学習済みモデルチェックポイントとともに配布されており、いずれもツールを初めて実行した際に自動的にダウンロードされます。
モデル | 最適な用途 | スケール |
|---|---|---|
| RealESRGAN_x4plus | 一般的な写真や実写画像 | 4x |
| RealESRGAN_x4plus_anime_6B | アニメ・イラスト画 | 4x |
| RealESRNet_x4plus | シャープ化アーティファクトが少ない、より滑らかな出力 | 4x |
| RealESRGAN_x2plus | 4倍だと拡大しすぎになる写真 | 2x |
| realesr-general-x4v3 | ノイズ除去強度を調整可能な、より小さく高速な汎用モデル | 4x |
--face_enhanceオプションはこれらのモデルのいずれかにGFPGANを重ねて、顔の詳細を特に復元します — 他の領域を過度に平滑化することがあるため、顔が写っている画像でのみ使用してください。
Real-ESRGANをローカルにインストール・実行する方法は？
Real-ESRGANの実行にはサポートされている2つの方法があります：スクリプトによる制御を求める開発者向けのPythonパッケージと、Pythonやcuda設定不要のすぐに使えるバイナリを求める人向けのNCNN-Vulkan実行ファイルです。
- 1github.com/xinntao/Real-ESRGANをクローンまたはダウンロードし、pip install basicsr facexlib gfpganとpip install -r requirements.txtで依存関係をインストールします。
- 2クローンしたリポジトリ内でpython setup.py developを実行してセットアップを完了させます。
- 3python inference_realesrgan.py -n RealESRGAN_x4plus -i input.jpg -o resultsで画像をアップスケールします — モデルの重みは初回実行時に自動的にダウンロードされます。
- 4アニメ画像には-n RealESRGAN_x4plus_anime_6Bを、出力にGFPGANによる顔復元も適用するには--face_enhanceを追加します。
- 5VRAMが少ないGPUでは--tile 400（またはそれ以下）を追加し、画像を一度に処理する代わりに小さなタイルに分割して処理します — 速度を犠牲にしてメモリ使用量を抑えます。
- 6Python不要の代替案：GitHubのReleasesページから自分のOS向けのrealesrgan-ncnn-vulkanリリースをダウンロードし、Vulkan経由でNvidia・AMD・Intel GPUに対して直接実行します。
Real-ESRGANにはGPUが必要ですか？
GPU（Vulkan経由のNvidia・AMD・Intel、またはPythonパッケージ経由のApple Silicon）があると大幅に高速化しますが、CPUでも動作します — 特に高解像度の入力では、1枚あたりの処理時間がかなり長くなります。
Real-ESRGANにはどれくらいのVRAMが必要ですか？
必要量は画像サイズと--tile設定によって変わります：--tileの値を小さく（例えば200-400）すると、画像を小さな塊に分けて処理することで、わずか2-4GBのVRAMのGPUでも動作可能になりますが、その分全体の処理はやや遅くなります。
Real-ESRGANはどんな人に向いていますか？
Real-ESRGANは、画像ごとの費用やサブスクリプションを支払わずに画像を拡大・復元する必要があり、コマンドラインツールまたはその上に構築されたシンプルなGUIアプリに抵抗がない人に向いています。
Real-ESRGAN vs. 代替ツール
Real-ESRGANに最も近い比較対象は他のアップスケーリングツールです — Real-ESRGAN自体のモデルの上に直接構築されているものもあれば、まったく異なるアーキテクチャを使うものもあります。
ツール | インターフェース | ライセンス | 最適な用途 |
|---|---|---|---|
| Real-ESRGAN | CLI / NCNN-Vulkanバイナリ | Apache 2.0 | スクリプト可能なローカルアップスケーリング、他ツールのベースモデル |
| Upscayl | デスクトップGUI | AGPL 3.0 | Real-ESRGANのモデルを使ったドラッグ&ドロップのアップスケーリング |
| waifu2x | CLI / Web / GUI移植版 | MIT | アニメに特化した古めのアップスケーラー、Real-ESRGANより軽量 |
| ComfyUI（アップスケールノード） | ノードベースGUI | GPL 3.0 | より大きな画像生成ワークフロー内の1ステップとしてのアップスケーリング |
| Topaz Gigapixel AI | デスクトップアプリ | プロプライエタリ（有料） | 手動微調整と有料サポート付きのプロ写真 |
Real-ESRGAN使用時のよくある間違い
これらの間違いは、Real-ESRGANを生成ツールとして扱ったり、元画像に対して間違ったモデルバリアントを使ったりすることから生じます。
よくある質問
Real-ESRGANは今もメンテナンスされていますか？
はい。オープンソースリポジトリはGitHub上で活発なままであり、Real-ESRGANのモデルはComfyUI、AUTOMATIC1111 WebUI、Upscaylを含む複数の活発にメンテナンスされているツールに組み込まれたデフォルトまたは主要なアップスケールバックエンドです。
Real-ESRGANは本当に無料ですか？
はい。個人利用・商用利用ともに無料なApache 2.0ライセンスの下で公開されており、画像ごとの費用・サブスクリプション・アカウント登録義務はありません。
Real-ESRGANはどのライセンスで公開されていますか？
Apache 2.0、寛容なオープンソースライセンスです。ライセンスと著作権表示を保持する限り、商用製品を含めて使用・改変・再配布できます。
Real-ESRGANにはGPUが必要ですか？
GPUがあると大幅に高速になりますが、CPUでも動作します。CUDA（Pythonパッケージ）またはVulkan（NCNN実行ファイル）経由でNvidiaとAMDのGPUに、Pythonパッケージ経由でApple Siliconに対応しています。
Real-ESRGANはアニメやイラスト画をアップスケールできますか？
はい。写真で学習したアップスケーラーが線画に引き起こす過度な平滑化を避けるため、アニメ・イラスト画に特化して学習されたRealESRGAN_x4plus_anime_6Bモデルを使用します。
Real-ESRGANはテキストプロンプトから新しい画像を生成できますか？
いいえ。Real-ESRGANは超解像アップスケーラーであり、既存の画像を拡大・復元します。text-to-image生成は、Stable Diffusionのような別のモデルカテゴリです。
Real-ESRGANとUpscaylの違いは何ですか？
Real-ESRGANは基盤となるオープンソースモデルとコマンドラインツールです。Upscaylは別のオープンソースデスクトップアプリ（AGPL 3.0）で、Real-ESRGANのモデルをドラッグ&ドロップのグラフィカルインターフェースの裏側にまとめており、ターミナルに一切触れる必要がありません。
Real-ESRGANは画像だけでなく動画もアップスケールできますか？
はい。付属スクリプトinference_realesrgan_video.py経由で、同じアップスケーリングモデルを動画ファイルにフレームごとに適用します。
Real-ESRGANにはどれくらいのVRAMが必要ですか？
画像解像度と--tile設定によって異なります。--tileを200-400に下げると、画像を小さな塊に分けて処理することで、わずか2-4GBのVRAMのGPUでも動作可能になりますが、その分全体の処理はやや遅くなります。