AI アップスケール vs Bicubic / Lanczos——どちらをいつ使うか

AI アップスケール vs Bicubic / Lanczos——どちらをいつ使うか

「AI アップスケーラー」ツールは、画像を拡大しても細部を失わないと約束します。魔法のように聞こえます。実際に魔法のように見えるときもあります。一方で、30 年前のアルゴリズム Lanczos より遅く悪い結果を出すこともあります。この記事では、実際の違い、それぞれが勝つ場面、手元の画像にどちらを使うかを整理します。

参照するツール：paste-to-download.com/ja/upscale——画像内容に応じて自動で手法を選び、手動オーバーライドも可能。

3 つの手法

Bicubic（バイキュービック）

2000 年以降、ほとんどの画像エディタのデフォルト。既存ピクセルの 4×4 近傍から三次曲線で新ピクセルを計算。高速（メガピクセル当たりミリ秒）、シンプル、よく理解されている。結果：拡大は滑らかだが、わずかにぼやける。新情報は発明しない——既存ピクセル間の滑らかな補間のみ。

Lanczos

Bicubic より洗練。より大きな近傍（通常 8×8）から sinc ベースの計算で新ピクセル。Bicubic より遅いが依然高速（メガピクセル当たりミリ秒）。結果：Bicubic より鋭く、特に線画、ロゴ、スクリーンショットに有効。発明的細部が不要なコンテンツでは、Lanczos が最良の非 AI リサンプラ。

AI 超解像

数百万の画像ペア（低解像度→高解像度）で訓練されたディープニューラルネット。ネットワークは低解像度入力からもっともらしい高解像度の細部を発明することを学ぶ。遅い（メガピクセル当たり秒〜十数秒）。結果：写真の細部は劇的——肌の質感、まつ毛、織物の織り目など、ソース画像には存在しない情報。細部はもっともらしく、真実ではない。

2026 年に一般的なモデル：Swin2SR、Real-ESRGAN、SRGAN、軽量超解像派生型。

AI が勝つ場面

AI アップスケーラーはネットワークが大量の訓練例を持つ写真コンテンツで光ります：

• 顔（特にヘッドショット、ポートレート）
• 肌の質感、髪、織物
• 自然風景（木の葉、水、雲）
• 動物（毛皮、鱗、羽根）
• 古い写真やぼけ写真を信じられる鮮明さに復元
• 印刷用に拡大が必要な低解像度ダウンロード

これらの場面で AI は Bicubic や Lanczos には不可能な細部を埋めます。400 × 400 のポートレートは AI で説得力ある 1600 × 1600 になる；Bicubic では同じ画像がただ大きくぼけるだけ。

AI が負ける（あるいは誤る）場面

線画とロゴ

ハードエッジとフラットカラーのベクトルライクなコンテンツは多くの AI モデルを混乱させます。ネットワークは写真で訓練されているため、ふさわしくない「テクスチャ」を導入しようとする——平らな色面に微妙なノイズが入り、直線であるべきエッジが波打つ。

Lanczos が毎回勝ちます。あるいはもっと良いのは、/ja/vectorize で画像をベクトル化し、アップスケールという考え自体を捨てること。

文字入りスクリーンショット

文字は鋭利なエッジと幾何学的形状を持ちます。AI は時に文字エッジをぼかし、セリフに余計な細部を幻覚します。Bicubic か Lanczos の方が文字を忠実に保ちます。

例外：看板や文書の写真など、文字が写真コンテンツに混在している場合、AI はうまく機能します。

図表、ダイアグラム、UI モックアップ

フラットカラー＋幾何学形状。AI は時に純色にテクスチャノイズを加えます。Lanczos はクリーンに保ちます。

すでに高解像度の画像

ソースが既に長辺 2000 px 以上の場合、AI アップスケールの利得は逓減します。モデルは訓練されたスケール（通常 4×）で細部を埋めますが、2000 px を 4000 px に倍増しても、通常の画面表示ではほぼ違いが見えません。

速度差

1000 × 1000 ソースを 4× アップスケール：

手法	時間	出力
Bicubic	約 50 ms	4000 × 4000 滑らか
Lanczos	約 150 ms	4000 × 4000 鋭利
AI（Swin2SR）	3〜15 秒	4000 × 4000 発明的細部入り

バッチ作業（50 枚以上）では速度差が効きます。AI 100 枚で 5〜25 分；Lanczos なら 30 秒未満。

paste-to-download の自動選択

/ja/upscale には 3 つのモード：

• Auto（デフォルト）：画像を分析、写真的コンテンツには AI、線画/文字コンテンツには Lanczos
• Photo：AI を強制（Swin2SR）
• Design & text：Lanczos を強制

自動検出器はエッジ特性、色数、コントラスト分布を見ます。鋭エッジが多く色数が少なければ design/text に分類、それ以外は AI を通します。

いつでも手動オーバーライド可能。Auto がロゴに AI を選んで結果がおかしい場合、design モードに切り替えて再実行。

実用的な判断ツリー

質問：画像は写真か（顔、風景、商品、動物）？

• はい → AI アップスケール
• いいえ → Lanczos

質問：ソースが既に長辺 2000 px 以上？

• はい → 実際にアップスケールが必要か再考
• いいえ → 選んだ手法で続行

質問：ソースに大量の文字や硬い幾何学エッジ？

• はい → Lanczos、または文字/ベクトルなら直接 /ja/vectorize
• いいえ → AI が正解の可能性

質問：ソースが非常にぼけているか非常に小さい（500 × 500 未満）？

• はい → AI が信じられる細部を得る唯一の希望
• いいえ → 適度な拡大なら Bicubic でも十分かも

質問：時間制約？

• 50 枚以上のバッチ → Lanczos（5 分で完了）
• 少数の画像、画質優先 → AI

プライバシー注記

ほとんどのオンラインアップスケーラーは画像を GPU クラスタにアップロードします。プライベートな写真（家族、商品、機密コンテンツ）には実際の検討事項です。

/ja/upscale はブラウザ内で動作します。Swin2SR モデルは ONNX Web Runtime として読み込まれ、WebGPU か WebAssembly で実行されます。画像はデバイスから出ません。初回実行でモデルをダウンロード（一度限り、約 30 MB）、以降キャッシュ。

TL;DR

• 写真 → AI アップスケール（/ja/upscale の photo モード）
• ロゴ / 文字 / 線画 → Lanczos（/ja/upscale の design モード）
• 迷ったら → Auto モード、ツールに判断を任せる
• ソースから 2 倍を超えてアップスケールしない、印刷用途を除く
• 特に文字とベクトル → 任意のラスタアップスケールの代わりに /ja/vectorize を検討