ASASR：FLUX.1-devベースで幻覚ノイズを抑える4倍画像超解像ツール

ASASR は、FLUX.1-dev をベースにしたオープンソースの画像超解像ツールです。低解像度のぼやけた写真を 4 倍に拡大しながら、生成系アップスケーラーで頻繁に起きる不自然な幻覚ディテールや偽アーティファクトを大幅に抑えてくれます。

従来の拡散モデルを使った超解像は、一見シャープに見えるものの、文字が歪んだり存在しないテクスチャを勝手に捏造してしまうのが難点でした。ASASR はそうした破綻を防ぎ、OCR の認識精度や輪郭の忠実性を保ったまま高解像度化できるのが特徴です。

どうやって実現しているか

仕組みの核にあるのは、敵対的ソボレフ整列と呼ばれるアプローチです。

ざっくり言うと、一様ガウスノイズの代わりに自然画像の周波数特性に合わせたカラーノイズを採用し、さらに敵対的ネットワークを用いて失敗しやすい偽アーティファクトを意図的に生成。それらを難関な負例として扱い、周波数重み付け DPO でモデルの出力を正しい構造へと誘導しています。

推論時はデュアル LoRA 構成で動きます。約 885 MB のベース超解像 LoRA が復元の土台を作り、約 111 MB の DPO LoRA がアーティファクトの抑制とディテール調整を担当します。

ベンチマークでも実績を残しており、DIV2K-Val の 4 倍評価でトップ、RealSR でも 3 位を記録しています。

必要スペックと試し方

ローカルで動かす場合、最大のハードルは FLUX 自体の重さです。

約 24 GB の FLUX.1-dev 本体に加えて、約 1 GB の LoRA 重みを読み込む必要があります。環境は Python 3.10、PyTorch 2.x、diffusers 0.30 以上に対応し、BF16 精度で動作します。公式のテストでは A100 GPU 1 枚を使い、サンプル画像の推論が約 1 分で完了しました。

環境構築なしですぐ試したいなら、Hugging Face Spaces に公開された Web デモを使うのが一番手軽です。ブラウザから低解像度画像をアップロードするだけで 4 倍超解像を試せます。

なお、今回公開された重みは 128 ピクセルから 512 ピクセルへの 4 倍拡大向けに調整されています。またライセンスは CC-BY-NC-4.0 となっており、非商用研究目的に限られます。

なぜ重要か

古い写真の修復や、文字やロゴが含まれる素材を拡大したいクリエイターにとって、ASASR は試す価値の高いツールです。SUPIR などの従来ツールは鮮明な一方でディテールを勝手に捏造しがちでしたが、ASASR は元画像の忠実性をしっかりキープしてくれます。

ただし、巨大な FLUX を超解像のバックボーンにしているため、計算コストは決して軽くありません。クオリティ最優先のオフライン修復作業には向いていますが、リアルタイム処理や軽量な運用にはまだハードルが残ります。