Topaz Gigapixelは、画像のアップスケーリングに特化した9つのAIモデルを搭載しており、各モデルは異なる画像の種類やシナリオに最適化されています。これには、一般的な強化のためのコア非生成モデル（ローカル処理可能）と、創造的な修復のための先進的な生成モデル（例: Redefine BETA）が含まれます。以下では、各モデルを公式の詳細に基づいて説明し、機能、ワークフロー、最適な使用法についての拡張情報を追加します。すべてのモデルは、詳細、シャープネス、明瞭さを向上させながら最大6倍のロスレス拡大をサポートします。Pre-downscalingやマルチパスワークフローなどの追加機能は、困難な入力に対する結果を最適化します。
Wonderモデル（アップスケール）
この新しいワンクリックAIモデルは、アップスケーリング、シャープニング、デノイジングを1回の処理で組み合わせ、以前は回復不可能だった画像を、手動設定や調整なしに復元します。極端に低解像度の写真、小さな顔、強いノイズ、ぼやけた背景に最適で、アーティファクトを少なくし、過剰なシャープニングを抑えたクリーンで自然な結果を生み出します。特に古い画像、ソーシャルメディアのスナップ、ピクセル化されたファイルに効果的で、シャープネスとリアリズムのバランスを取った真のアップスケールを実現します。ただし、細かいテクスチャを滑らかにしたり、暗い領域で苦労したりする可能性があります。低品質ソースの高速自動強化に理想的です。
Standard MAXモデル（アップスケール）
新しいシリーズのモデルで、入力に忠実な精密な画像修復を目的とし、アップスケーリングの「新基準」と位置づけられています。従来の世代より高品質で自然で詳細な結果を提供し、第1世代の拡散モデル比で100倍高速です。速度と効率を重視して構築され、幅広い画像で少ないシステムリソースを使用し、Standard v2とRecover v2のハイブリッドとして機能します。Strengthスライダーによるシンプルなワークフローで自然なブレンドが可能で、リアリズムを損なわない効率的な高忠実度処理に適しています。
Standardモデル
バランスの取れた汎用コアモデル（非生成）で、日常の写真、グラフィックス、生成画像に推奨されます。デフォルトのStandard v2は、過剰処理を避けながら詳細とシャープネスを向上させ、自然な結果とテクスチャの保存を実現します。一般的なアップスケーリングの安全な第一選択肢で、標準デジタル写真やカジュアルスナップショットの強化に適しています。グレインやノイズを保持したい場合は、DenoiseとFix Compressionの値を下げてより本物の出力に調整してください。
High Fidelity
高品質・高解像度の画像（高級カメラ由来）に訓練されたコアモデルです。歪みを生じさせずオリジナルルックを維持し、テクスチャと本物のキャプチャ詳細を保存します—Denoiseスライダーで最小限の変更を適用。Standard v2の統合により自然なテクスチャを保持しつつシャープネスを維持しますが、優れた出力のため処理時間は遅めです。高解像度プリントやグラフィックスのプロフェッショナルワークフローに最適で、Denoise/Fix Compressionを下げてグレイン/ノイズを自然に保ちます。
Low Res
小型または低解像度ファイルに最適化されたコアモデル（v2およびv1バリアント）で、強力に圧縮されたウェブソースや低解像度スキャン画像の明瞭さと可視詳細を回復します。Low Res v2は小さな入力に最適で、v1はデフォルトでより多くのぼかしを除去します。サムネイル、監視映像、ウェブJPEGなどのシナリオで輝き、過剰なノイズなしにぼやけ/小型ソースをシャープな出力に変換します。
Text & Shapes
人工物、テクスチャ、書き言葉、フォントに見られる明確なパターンに調整されたコアモデルです。テキスト、線、幾何学的形状をシャープにし、ぼかしやピクセル化を最小限に抑え、古い/スキャン画像のダスト/スクラッチ除去などのクリーンアップをオートまたはブラシモードでサポートします。グラフィックデザイン、タイポグラフィ、道路標識、建築テキスト、自動車詳細などのクリスプなエッジと可読性が不可欠な用途に理想的です。
Art & CG
デジタルアートワーク、ドローイング、イラスト、コンピュータグラフィックス（CG）向けのコアモデルです。写真モデルによるソフトニングを避けつつ、スタイライズドまたは人工的な構造を尊重してシャープネスとエッジを強化します。アーティスト、アニメーター、デザイナーがベクター風やレンダリングビジュアルをプリント、ウェブ、プレゼン用にアップスケールするのに最適です。
Recover
低解像度または劣化したソースからの失われた詳細を復元するモデルで、損傷した、古い、またはピンボケ写真に有用です。Recover v2（v1より高速で最適化）は、1MP以下の古い/低品質写真に最高のアップスケール忠実度を提供します。テクスチャや輪郭などの欠損要素をインテリジェントに再構築します。アーカイブ修復、家族の遺産、フォレンジック回復に最適—大型入力にはPre-downscalingと組み合わせを推奨。
Redefine BETA
低品質またはAI生成画像向けの生成モデルで、定義と詳細を追加します。リアリスティック忠実度（NoneまたはSubtleレベル；Image Descriptionで方向付け、例: 「赤い髪と青い目の少女」対指示文）を優先するか、創造的区別（Low/Medium/High/Maxレベル；Textureスライダーで詳細調整）を選択。CreativeモードではFace Recoveryを無効化して最適結果を確保。1MP超の画像にはCloud renderingを推奨。プレビューはスケールにより変動（サムネイルコントロールまたはフルプレビュー使用）；生成性によりフルレンダーと結果が異なります。Image DescriptionのコミュニティTipsを参照。
Face Recovery
ポートレート専用で、顔の特徴を強化し、自然なスキンテクスチャを復元、歪み（非対称性やソフトネス）を修正し、入力に忠実な本物の外見を確保します。Redefine Creativeモードではモデル優先のため無効。ヘッドショット、イベント写真、歴史的ポートレートに不可欠—フル画像アップスケールには他のモデルと組み合わせ。
追加機能とワークフロー
Pre-Downscaling
大型画像（両辺1000px超）の偽解像度（高ピクセルだが低詳細密度、例: 古いJPEG、スキャン、粗悪アップスケール）を改善するインテリジェントアクション。密度を集中させるためにリサンプリングし、AIアップスケールで自然結果を生み出します。3つの強度レベルまたはNoneを選択；「Large image warning」でCloud renderingをトリガー。入力最適化前の古いJPEG、スキャン、粗悪コンテンツに理想的。
生成モデル向けマルチパスワークフロー
生成入力（例: Redefine/Wonder）から高解像度を得るためのもの（小型ファイル向け）:
- ソースを≤1024×1024にリサイズ（またはRecover v2とPre-downscaling使用）。
- 生成モデルで1-4xアップスケール（システム対応に基づく；ローカル可能ならローカル、さもなくばCloud）；新ファイルとしてエクスポート。
- 結果ファイルをGigapixelにインポート；コアモデル（例: Autoモード）でさらに大規模アップスケール。
このワークフローは、小型ファイルでの生成強みを活かしつつ、安全にスケーリングします。
これらのモデルと機能により、Topaz Gigapixelはプロから趣味家まで多用途に活用可能—信頼性重視ならコアモデル、創造性なら生成モデル、規模ならワークフローを活用してください。
