Hires. fixの使い方を徹底解説します【Stable Diffusion WebUIで高解像度画像を生成する方法】

この記事ではStable Diffusion webUIで使用できるHires. fixの使い方を解説します。

Hires. fixとは

Hires. fixは日本語に訳すと「高解像度補助」です。。
Hires. fixはtxt2imgで使用できる機能で、一度低解像度画像を生成し、その画像に対してアップスケールを行います。

Stable Diffusion webUIで高解像度画像を作成する方法は沢山ありますが、Hires. fixには以下のメリット、デメリットが存在します。

Hires. fixのパラメータについて

Hires. fixの設定はtxt2imgタブのGenerationエリア内の「Hires. fix」をクリックすることで可能になります。

Hires. fix

チェックすることでHires. fixが有効化されます。

Upscaler

アップスケーラーモデルを選択します。

モデルがインストールされていない初回生成時は、モデルのダウンロードシーケンスにより画像生成に時間がかかります。

次項で各モデルの効果を紹介します。

Hires steps

Hires. fixのサンプリングステップ数を指定します。

0設定の場合は、「Sampling steps」の値と同じになります。

例：Sampling steps = 20、Hires steps = 0の場合は合計40stepで画像生成されます。
LDSR、ScuNET、SwinIRモデルは例外で別途処理が加わるため処理ステップ数はさらに増大します。

Denoising strength

ノイズ除去強度を設定します。
高いほど綺麗になりますが、構図が元画像から変化します。

おすすめは0.2～0.3の間です。

Denoising strengthの効果を確認する

以下は512 x 512の画像をR-ESRGAN 4x+ Anime6Bで2倍にアップスケールした比較画像です。

0.7は高すぎで、アップスケール前の画像から大部分が変化してることがわかります。

Upscale by

アップスケール倍率を指定します。
2の場合、2倍の解像度で生成されます。

※Resize width/height toと排他設定です

Resize width to

アップスケール解像度の幅を指定します。

※Upscale byと排他設定です

Resize height to

アップスケール解像度の高さを指定します。

※Upscale byと排他設定です

Hires. fixの生成結果と生成時間について

Hires. fixを使用すると、VRAM使用量と生成時間が増大します。
また使用するアップスケーラーモデルで生成される画像が変化します。

以降では各モデルの画像生成結果とリソース使用状況を紹介します。
(使用するGPUにより結果が大きく異なるので参考程度でお願いします)

画像生成はDenoising strengthを0.25、アップスケール倍率を2で生成しています。

Upscale モデル	生成 時間	VRAM 量	特徴	生成画像
無し (Hires.fix非適用)	2.1sec	6GB
Latent	8sec	6GB	標準 Denoising strengthが低いとぼやける
Latent (antialiased)	8sec	6GB	アンチエイリアスかけるためか Denoising strengthが低いとぼやける
Latent (bicubic)	8sec	6GB	同上
Latent (bicubic antialiased)	8sec	6GB	同上
Latent (nearest)	8sec	6GB	Denoising strengthが低いとジャギる
Latent (nearest-exact)	8sec	6GB	Denoising strengthが低いとジャギる
Lanczos	9.2sec	6GB	少し遅い
Nearest	9.2sec	6GB	すこしジャギる
DAT x2	17.5sec	6GB	遅すぎ すこしぼやける
DAT x3	17.6sec	6GB	遅すぎ すこしぼやける
DAT x4	17.4sec	6GB	遅すぎ すこしぼやける
ESRGAN_4x	10.8sec	6GB	綺麗で使い易い
LDSR	35.2sec	6GB	ステップ数が多すぎで遅い 色味が少し変化する
R-ESRGAN 4x	10.8sec	6GB	綺麗 フォトリアル系と相性が良い
R-ESRGAN 4x + Anime6B	9.6sec	6GB	綺麗 イラスト,アニメ系と相性が良い
ScuNET GAN	10sec	6GB	少しぼやける
ScuNET PSNR	10sec	6GB	少しぼやける
SwinIR_4x	14.8sec	6GB	遅すぎ 綺麗
4x-UltraSharp	10.7sec	6GB	細部までくっきり

VRAM使用量はモデル間で特に差はありませんでした。
単純に生成する解像度に影響するようです。

私のおすすめはR-ESRGAN 4x+、R-ESRGAN 4x+ Anime6B、4x-UltraSharpの3つです。
それぞれ特徴が異なるので、生成する画像によって切り替えることをおすすめします。

※4x-UltraSharpは標準採用されていません、使用する場合は次項をご確認ください。

Hires. fixにアップスケーラーモデルを追加する方法

4x-UltraSharpなどのモデルは標準採用されていないので、手動でインストールする必要があります。

Hires. fixにアップスケーラーモデルを追加するには、
モデルデータを「webUI」→「models」→「ESRGAN」フォルダに保存します。

おすすめの4x-UltraSharpはHugging Faceで公開されています。

まとめ

今回はStable Diffusion webUIのHires. fixの使い方を紹介しました。

Hires. fixを使用すれば、画像全体のディテールが細かく描写されるので非常に綺麗な画像が生成可能です。
この記事を参考にチャレンジしてみましょう！