<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>カテゴリー:画像処理・作成 &#8211; AIディベロッパーblog</title>
	<atom:link href="https://aidev.bluegarage.site/blog/category/image-processing-and-creation/feed/" rel="self" type="application/rss+xml" />
	<link>https://aidev.bluegarage.site/blog</link>
	<description>AI技術を使った様々な開発のTIPSや技術のブログです</description>
	<lastBuildDate>Wed, 07 Oct 2026 02:01:05 +0000</lastBuildDate>
	<language>ja</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	
	<item>
		<title>Stable Diffusionのもっとも単純な学習プログラムを作って動かしてみる</title>
		<link>https://aidev.bluegarage.site/blog/2026/10/07/stable-diffusion%e3%81%ae%e3%82%82%e3%81%a3%e3%81%a8%e3%82%82%e5%8d%98%e7%b4%94%e3%81%aa%e5%ad%a6%e7%bf%92%e3%83%97%e3%83%ad%e3%82%b0%e3%83%a9%e3%83%a0%e3%82%92%e4%bd%9c%e3%81%a3%e3%81%a6%e5%8b%95/</link>
				<pubDate>Wed, 07 Oct 2026 01:29:14 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[CUDA]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[PyTorch]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[vae]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9805</guid>
				<description><![CDATA[Stable Diffusion の仕組みを理解するには、実際に小さなモデルを自分で動かしてみるのが一番の近道です。この記事では、100×100 の画像を生成する最小構成の拡散モデルを PyTorch で作ります。テキスト条件は「flower」に固定し、学習用と生成用のファイルを分けた構成です。 この記事で作るもの 画像サイズは 100×100 固定 ピクセル空間で動く DDPM(VAE は使わない) UNet は ResBlock、Self-Attention、Cross-Attention で構成 テキスト条件は「flower」をエンコードした固定ベクトル 学習(train.py)と生成(generate.py)を別ファイルに分離 Stable Diffusion との違い 項目 Stable Diffusion この記事のモデル 拡散する空間 潜在空間(VAE で圧縮) ピクセル空間 テキスト条件 CLIP などで可変 「flower」固定 画像サイズ 512×512 など 100×100 固定 Cross-Attention 多くの層に配置 最低解像度層と中間層のみ サンプラー DDIM などの高速版 [&#8230;]]]></description>
									</item>
		<item>
		<title>Qwen 2.1でプロンプトだけで画像の品質向上ができるか試してみる</title>
		<link>https://aidev.bluegarage.site/blog/2026/10/05/qwen-2-1%e3%81%a7%e3%83%97%e3%83%ad%e3%83%b3%e3%83%97%e3%83%88%e3%81%a0%e3%81%91%e3%81%a7%e7%94%bb%e5%83%8f%e3%81%ae%e5%93%81%e8%b3%aa%e5%90%91%e4%b8%8a%e3%81%8c%e3%81%a7%e3%81%8d%e3%82%8b%e3%81%8b/</link>
				<pubDate>Mon, 05 Oct 2026 02:40:00 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Qwen]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9798</guid>
				<description><![CDATA[つかったワークフローは Qwen 2.1 VRAM 8GBで動く！10枚まで参照画像を追加できるGGUF版シンプルワークフロー です。Loraや参照画像無しで劣化画像の品質向上ができるか試してみました。 プロンプト Restore and upscale this image to ultra-high quality. Remove all JPEG compression artifacts, blocky noise, mosquito noise, color banding, and blur. Redraw all degraded areas with fine, realistic, sharp detail while keeping the original composition, pose, colors, lighting, and subject identity exactly the same. Faces: carefully reconstruct the face in high detail. Redraw individual strands of hair with [&#8230;]]]></description>
									</item>
		<item>
		<title>Qwen 2.1 VRAM 8GBで動く！10枚まで参照画像を追加できるGGUF版シンプルワークフロー</title>
		<link>https://aidev.bluegarage.site/blog/2026/09/24/qwen-2-1-%e7%84%a1%e6%a4%9c%e9%96%b2%e7%89%88%e3%80%80vram-8gb%e3%81%a7%e5%8b%95%e3%81%8f%ef%bc%8110%e6%9e%9a%e3%81%be%e3%81%a7%e5%8f%82%e7%85%a7%e7%94%bb%e5%83%8f%e3%82%92%e8%bf%bd%e5%8a%a0%e3%81%a7/</link>
				<pubDate>Thu, 24 Sep 2026 06:50:01 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9783</guid>
				<description><![CDATA[はじめに Qwen Image 2.1は、Alibaba Qwenチームが公開した最新の画像生成・編集モデルです。通常のsafetensors版はVRAM消費が大きく、8GB前後のGPUでは動作が厳しい場面がありますが、今回紹介するワークフローはUNetをGGUF形式(Q5_K_M)で読み込むことで、VRAM 8GB程度の環境でも動作するように構成されています。さらに参照画像を最大10枚まで追加でき、複数の画像を組み合わせた高度な画像編集が可能です。 Qwen Image 2.1とは Qwen Image 2.1は、テキストからの画像生成(Text to Image)と、指示ベースの画像編集(Image Edit)の両方を1つのモデルでこなせるのが最大の特徴です。主な特徴は以下の通りです。 生成と編集を1モデルで両立：同じ重みがテキストから画像への生成プロンプトと編集指示の両方に対応するため、モデルを切り替える必要がありません ネイティブ2K出力：最大2048×2048をアップスケールなしで直接生成可能 高精細なテキスト描画：インフォグラフィックやポスター、UIモックアップなど、細かい文字が崩れにくい アルフ [&#8230;]]]></description>
									</item>
		<item>
		<title>【VRAM 8GBでOK】QWEN Image Editの進化版「FireRed Image Edit」でローカル着せ替え画像生成をやってみた</title>
		<link>https://aidev.bluegarage.site/blog/2026/09/16/%e3%80%90vram-8gb%e3%81%a7ok%e3%80%91qwen-image-edit%e3%81%ae%e9%80%b2%e5%8c%96%e7%89%88%e3%80%8cfirered-image-edit%e3%80%8d%e3%81%a7%e3%83%ad%e3%83%bc%e3%82%ab%e3%83%ab%e7%9d%80%e3%81%9b%e6%9b%bf/</link>
				<pubDate>Wed, 16 Sep 2026 03:29:45 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[vae]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9777</guid>
				<description><![CDATA[はじめに 画像生成AIで「この人にこの服を着せたい」「帽子だけ別の写真から持ってきたい」という着せ替え編集は、これまでハイエンドGPUが前提でした。しかしFireRed Image Editは、AlibabaのQwen Image Editをベースに進化した画像編集特化モデルで、GGUF量子化版とLightning LoRA（高速化LoRA）を組み合わせることで、VRAM 8GB程度のミドルクラスGPUでもローカル生成が可能になっています。 今回は実際に配布されているComfyUIワークフロー（firered-image-edit-1_1_loraonly.json）を解析し、必要なモデル構成と処理の流れを整理しました。 人物写真（Image 1） キャップの写真（Image 2） Tシャツの写真（Image 3） の3枚を読み込ませ、「Image 1の女性にImage 2の帽子とImage 3のTシャツを着せて、背景も昼間のシーンに変更する」というプロンプト1つで着せ替え画像を生成する構成になっています。 FireRed Image EditとQwen Image Editの関係 FireRed Image [&#8230;]]]></description>
									</item>
		<item>
		<title>QKV（Query, Key, Value）とは何か ― 画像生成AIのAttention機構を理解する</title>
		<link>https://aidev.bluegarage.site/blog/2026/09/02/qkv%ef%bc%88query-key-value%ef%bc%89%e3%81%a8%e3%81%af%e4%bd%95%e3%81%8b-%e2%80%95-%e7%94%bb%e5%83%8f%e7%94%9f%e6%88%90ai%e3%81%aeattention%e6%a9%9f%e6%a7%8b%e3%82%92%e7%90%86%e8%a7%a3%e3%81%99/</link>
				<pubDate>Wed, 02 Sep 2026 07:42:54 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9768</guid>
				<description><![CDATA[Stable Diffusionなどの画像生成AIや、Transformer系のモデルの中心には「Attention（注意機構）」と呼ばれる仕組みがあります。その中核をなすのが Q（Query）、K（Key）、V（Value） という3つの要素です。この記事では、テキストから画像が生成される過程を追いながら、QKVがそれぞれ何を意味し、どう連携しているのかを整理します。 Attention層の3つの重要な要素 Attention層では、入力に対して3種類の重み行列（W_Q, W_K, W_V）を掛け合わせることで、Q・K・Vという3つの異なるベクトルを作り出します。 Q（Query）：「今、何を探しているか」という問い合わせ K（Key）：「自分は何を提供できるか」という目印・見出し V（Value）：実際に受け渡される中身の情報 テキストから画像を生成する Cross-Attention では、この3つが以下のように対応しています。 要素 由来 役割 Q ノイズ画像（潜在表現） 画像側が「何が欲しいか」を問い合わせる K テキストエンコーダの出力 各単語が「照合されるための目印」を提供する V テキストエン [&#8230;]]]></description>
									</item>
		<item>
		<title>ローカルでVRAM 8GBで「着せ替え」画像生成</title>
		<link>https://aidev.bluegarage.site/blog/2026/08/28/%e3%83%ad%e3%83%bc%e3%82%ab%e3%83%ab%e3%81%a7vram-8gb%e3%81%a7%e3%80%8c%e7%9d%80%e3%81%9b%e6%9b%bf%e3%81%88%e3%80%8d%e7%94%bb%e5%83%8f%e7%94%9f%e6%88%90/</link>
				<pubDate>Fri, 28 Aug 2026 01:27:12 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9755</guid>
				<description><![CDATA[洋服の試着画像をAIで生成する「バーチャル試着（Virtual Try-On）」は、これまでクラウドサービスや高性能GPUが前提でした。しかし本記事で紹介するComfyUIワークフローは、GGUF量子化されたQwen-Image-Editと専用LoRAを組み合わせることで、VRAM 8GB程度のミドルスペックPCでもローカル環境で着せ替え画像を生成できるよう設計されています。 &#160; ワークフローのダウンロード この記事では、 そもそもComfyUIとは何か ワークフローで使われている各モデルの役割とダウンロード先 主要ノードの役割と処理の流れ を順番に解説します。 ComfyUIとは ComfyUI（コンフィーユーアイ）は、Stable Diffusionをはじめとする画像生成AIを「ノードベース」で組み立てて実行できるオープンソースのツールです。モデルの読み込み・プロンプトのエンコード・サンプリング・画像の保存といった処理を、それぞれ独立した「ノード（箱）」として画面上に配置し、線でつなぐことでワークフロー（処理の流れ）を自由に構築できます。 Pythonコードを書かなくても複雑な生成パイプラインを [&#8230;]]]></description>
									</item>
		<item>
		<title>Stable Diffusion 1.5のUNet構造</title>
		<link>https://aidev.bluegarage.site/blog/2026/08/26/stable-diffusion-1-5%e3%81%aeunet%e6%a7%8b%e9%80%a0/</link>
				<pubDate>Wed, 26 Aug 2026 01:56:24 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[vae]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9753</guid>
				<description><![CDATA[Stable Diffusion 1.5(SD1.5)の心臓部であるUNetは、「今の潜在表現にどれだけどのようなノイズがあるか」をテキスト条件をヒントに予測するネットワークです。(ノイズを予測し除去していくと元画像＝生成画像が現れる仕掛けです) 本記事では、その内部構造を、実装の仕組みから計算の直感まで順を追って解説します。ステップごとに通っている構造がこのUNETとなります。 1. 全体の流れ:UNetは何を入出力しているのか まず誤解しやすいポイントとして、UNetが直接処理しているのは「テキスト」ではなく「潜在空間のテンソル」です(テンソルとは、単に多次元の数値配列のことです)。テキストはCLIPのテキストエンコーダーによって77トークン×768次元の配列に変換され、内部のクロスアテンション層に条件(conditioning)として注入されます。 段階 UNetへの入力 テキストの役割 学習時 実画像をVAEで圧縮+ノイズ付加した潜在 クロスアテンションで条件付け txt2img推論 64×64×4のランダムノイズ クロスアテンションで条件付け(ここが主役) img2img推論 元画像をVAEで圧縮+ [&#8230;]]]></description>
									</item>
		<item>
		<title>ComfyUIでQwen-Image-Edit-2511 Int8を使う方法｜超シンプル画像編集ワークフロー</title>
		<link>https://aidev.bluegarage.site/blog/2026/08/19/comfyui%e3%81%a7qwen-image-edit-2511-int8%e3%82%92%e4%bd%bf%e3%81%86%e6%96%b9%e6%b3%95%ef%bd%9c%e8%b6%85%e3%82%b7%e3%83%b3%e3%83%97%e3%83%ab%e7%94%bb%e5%83%8f%e7%b7%a8%e9%9b%86%e3%83%af%e3%83%bc/</link>
				<pubDate>Wed, 19 Aug 2026 05:41:37 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9749</guid>
				<description><![CDATA[ワークフローのダウンロード　image_qwen_image_edit_2511_int8 ※ワークフローはVRAM８GBでも１回目１～２時間かかるものの動作します。 ※最新のComfyUIを使用する場合このワークフローをComfyUIの画面にドロップするだけでモデルも自動でダウンロードできます。 ComfyUIで画像生成・画像編集をしていると、「元画像の構図を残したまま、画風だけ変えたい」「写真をポップアート風にしたい」といった編集をしたくなることがあります。 今回紹介するのは、Qwen-Image-Edit-2511 Int8を使ったComfyUIの画像編集ワークフローです。 このワークフローでは、入力した画像に対して、 Convert this image to pop art poster style というプロンプトを与え、元画像を「ポップアートのポスター風」に変換する設定になっています。 ワークフローには、Qwen-Image-Edit-2511のInt8モデル、Qwen 2.5 VL系のテキストエンコーダ、Qwen Image用VAE、KSamplerなどが組み込まれています。 Qwen-Ima [&#8230;]]]></description>
									</item>
		<item>
		<title>Hugging Faceで無料！AI画像・動画生成の使い方と仕組み・制限を徹底解説</title>
		<link>https://aidev.bluegarage.site/blog/2026/07/13/hugging-face%e3%81%a7%e7%84%a1%e6%96%99%ef%bc%81ai%e7%94%bb%e5%83%8f%e3%83%bb%e5%8b%95%e7%94%bb%e7%94%9f%e6%88%90%e3%81%ae%e4%bd%bf%e3%81%84%e6%96%b9%e3%81%a8%e4%bb%95%e7%b5%84%e3%81%bf%e3%83%bb/</link>
				<pubDate>Mon, 13 Jul 2026 01:36:01 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[wan]]></category>
		<category><![CDATA[エラー]]></category>
		<category><![CDATA[ライセンス]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9737</guid>
				<description><![CDATA[Stable DiffusionやFLUX、Wan2.2といった最新のAI画像・動画生成モデルを、インストール不要・完全無料でブラウザから試せる場所があるのをご存知でしょうか。それが「Hugging Face Spaces」です。 この記事では、Hugging Face Spacesで無料でAI画像・動画生成ができる仕組みと、知っておくべき制限について解説します。 Hugging Face Spacesとは？ Hugging Face Spacesは、AI開発者や研究者が自作・公開したAIモデルのデモアプリを、誰でも無料で試せる形で公開しているプラットフォームです。オープンソースの画像生成モデルや動画生成モデルを使ったアプリが多数公開されており、URLにアクセスするだけですぐに使い始められます。 動画生成を試してみる（Wan2.2の例） 例えば、話題の動画生成モデル「Wan2.2」を使ったSpaceは、以下のリンクから検索・一覧表示できます。 👉 Hugging Face Spaces：Wan2.2で動画生成を試す このように、Hugging Face Spacesの検索窓に使いたいモデル名（例：wan2.2 [&#8230;]]]></description>
									</item>
		<item>
		<title>ローカルで動かせる画像生成AIモデル6選【技術比較・VRAM目安・互換性まとめ】</title>
		<link>https://aidev.bluegarage.site/blog/2026/05/19/%e3%83%ad%e3%83%bc%e3%82%ab%e3%83%ab%e3%81%a7%e5%8b%95%e3%81%8b%e3%81%9b%e3%82%8b%e7%94%bb%e5%83%8f%e7%94%9f%e6%88%90ai%e3%83%a2%e3%83%87%e3%83%ab6%e9%81%b8%e3%80%90%e6%8a%80%e8%a1%93%e6%af%94/</link>
				<pubDate>Tue, 19 May 2026 01:22:21 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[ControlNet]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[LLM]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[U-Net]]></category>
		<category><![CDATA[vae]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9667</guid>
				<description><![CDATA[画像生成AIはクラウドサービスだけでなく、自分のPC上でローカル推論できるモデルも多数存在します。本記事では、ローカルで動作する主要モデルを6つ取り上げ、アーキテクチャの違い・必要なVRAM・各ツールとの互換性を徹底解説します。 アーキテクチャ別モデル解説 ① Stable Diffusion 1.5（SD 1.5） アーキテクチャ：UNet + CLIP パラメータ数：約860M ネイティブ解像度：512 × 512 VAE：KL-f8 必要VRAM：2〜4 GB Stability AIが2022年にリリースした画像生成AIの基盤モデルです。軽量で動作が速く、膨大な数のLoRAや拡張機能が存在する点が最大の強みです。SDXLやFluxと異なり、低スペックなGPUでも動作するため、今もコミュニティの中心的な存在です。 ② Stable Diffusion XL 1.0（SDXL） アーキテクチャ：UNet（2.6B）+ OpenCLIP + CLIP-ViT-L（2つ） ネイティブ解像度：1024 × 1024 VAE：SDXL-VAE 必要VRAM：6〜8 GB SD 1.5の後継モデルで、解像度と画質が [&#8230;]]]></description>
									</item>
		<item>
		<title>UNetとは何か？safetensors・Diffusersとの違いまでわかりやすく解説</title>
		<link>https://aidev.bluegarage.site/blog/2026/04/21/unet%e3%81%a8%e3%81%af%e4%bd%95%e3%81%8b%ef%bc%9fsafetensors%e3%83%bbdiffusers%e3%81%a8%e3%81%ae%e9%81%95%e3%81%84%e3%81%be%e3%81%a7%e3%82%8f%e3%81%8b%e3%82%8a%e3%82%84%e3%81%99%e3%81%8f%e8%a7%a3/</link>
				<pubDate>Tue, 21 Apr 2026 00:53:23 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9634</guid>
				<description><![CDATA[AI画像生成を学んでいると、「UNet」「safetensors」「Diffusers」といった用語が頻繁に出てきます。それぞれ関連はありますが、役割はまったく異なります。 この記事では、 UNetとは何か safetensorsとの違い Diffusersの意味（略語も含む） を、初心者でも理解できるように整理して解説します。 UNetとは？ UNet（ユー・ネット）は、**画像処理に使われるニューラルネットワークの構造（アーキテクチャ）**です。 もともとは医療画像の解析（セグメンテーション）用に開発されましたが、現在では次のような用途で広く使われています。 AI画像生成 ノイズ除去 スタイル変換 画像復元 Stable DiffusionにおけるUNetの役割 Stable Diffusionでは、画像は「ノイズ」から徐々に生成されます。 このプロセスの中心にいるのがUNetです。 UNetはノイズを段階的に取り除き、画像を形作る役割を持つ つまり、画像生成の“エンジン”のような存在です。 safetensorsとは？ safetensorsは、AIモデルの重みを保存するためのファイル形式です。 代表的 [&#8230;]]]></description>
									</item>
		<item>
		<title>OpenPoseとは？Qwen Image EditでOpen poseを使えるか？</title>
		<link>https://aidev.bluegarage.site/blog/2026/04/20/openpose%e3%81%a8%e3%81%af%ef%bc%9fqwen-image-edit%e3%81%a7open-pose%e3%82%92%e4%bd%bf%e3%81%88%e3%82%8b%e3%81%8b%ef%bc%9f/</link>
				<pubDate>Mon, 20 Apr 2026 01:06:12 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[ControlNet]]></category>
		<category><![CDATA[inference]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[pipeline]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9629</guid>
				<description><![CDATA[OpenPoseとは？Qwen Image EditでAnyPoseモデルを使ったポーズ転写の完全ガイド 画像生成AIの世界では「ポーズを自由に制御したい」というニーズは非常に高いです。本記事では、OpenPoseの基本概念から、最新のQwen Image EditとAnyPoseモデルを組み合わせたポーズ転写の実装方法まで、サンプルコードとともに詳しく解説します。 📌 目次 OpenPoseとは何か 使用するモデル一覧 OpenPoseを「2枚目の画像」として使う仕組み 環境セットアップ 完全なサンプルコード プロンプトの解説 パラメータ解説 まとめ 1. OpenPoseとは何か OpenPoseは、Carnegie Mellon大学が開発したオープンソースのリアルタイム人体姿勢推定ライブラリです。画像や動画から人物の骨格（キーポイント）をリアルタイムで検出し、身体の各部位（頭部・肩・肘・手首・腰・膝・足首など）の位置を特定します。 OpenPoseの主な特徴 25個のキーポイントを検出（顔・体・手・足） 複数人物の同時検出が可能 リアルタイム処理に対応 画像生成AIのControlNetと組み合わせるこ [&#8230;]]]></description>
									</item>
		<item>
		<title>Stable Diffusionのメモリ最適化まとめ（CPU offload / slicing / bitsandbytes / accelerate）</title>
		<link>https://aidev.bluegarage.site/blog/2026/04/16/stable-diffusion%e3%81%ae%e3%83%a1%e3%83%a2%e3%83%aa%e6%9c%80%e9%81%a9%e5%8c%96%e3%81%be%e3%81%a8%e3%82%81%ef%bc%88cpu-offload-slicing-bitsandbytes-accelerate%ef%bc%89/</link>
				<pubDate>Thu, 16 Apr 2026 00:54:18 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[CUDA]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[エラー]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9625</guid>
				<description><![CDATA[Stable Diffusionなどの画像生成モデルを動かすとき、特に問題になるのが「VRAM不足」です。この記事では、Diffusersでよく使われるメモリ最適化機能と、その仕組み・注意点をまとめます。 メモリ最適化機能の概要 enable_model_cpu_offload() モデル全体をGPUに常駐させず、必要なときだけCPUからGPUへ転送する仕組みです。 使う直前にGPUへロード 使い終わったらCPUへ戻す 特徴 VRAM使用量：大きく削減 実行速度：低下（転送コストがある） enable_sequential_cpu_offload() enable_model_cpu_offload()の強化版で、モデルをレイヤー単位で扱います。 レイヤーごとにGPUへロード 計算後すぐCPUへ戻す 特徴 VRAM使用量：最小レベル 実行速度：かなり遅い（毎回転送が発生） enable_attention_slicing() Attention計算を分割して処理することで、メモリ使用量を抑える機能です。 特徴 VRAM使用量：中程度削減 実行速度：やや低下 enable_vae_slicing() 画像を生成 [&#8230;]]]></description>
									</item>
		<item>
		<title>VRAM 8GBでQwen画像生成モデルを動かす方法</title>
		<link>https://aidev.bluegarage.site/blog/2026/04/03/vram-8gb%e3%81%a7qwen%e7%94%bb%e5%83%8f%e7%94%9f%e6%88%90%e3%83%a2%e3%83%87%e3%83%ab%e3%82%92%e5%8b%95%e3%81%8b%e3%81%99%e6%96%b9%e6%b3%95/</link>
				<pubDate>Fri, 03 Apr 2026 00:58:35 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[CUDA]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[PyTorch]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[transformer]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9604</guid>
				<description><![CDATA[Qwenベースの画像生成モデルをローカルで動かそうとして、VRAM不足に悩んでいる方も多いと思います。 今回は Diffusers の transformer_qwenimage.py（QwenTransformer2DModel）を改造してTransformerブロックをCPUにオフロードする ことで、8GBのGPUでも動かすことに成功したので、その方法の一端を共有します。 問題：Transformerブロックが多すぎてVRAMが足りない Qwenの画像生成モデルは内部に大量のTransformerブロックを持っています。すべてをGPU（CUDA）上に乗せたまま推論しようとすると、VRAM 8GBでは当然アウトです。 解決策は単純で 「使うときだけGPUに持ってきて、終わったらCPUに戻す」 という逐次オフロードです。 改造内容：forward() メソッドのブロックループ部分 transformer_qwenimage.py の forward() メソッド内、Transformerブロックをループ処理している箇所を以下のように変更します。 変更前（すべてのブロックがGPU常駐） for block in [&#8230;]]]></description>
									</item>
		<item>
		<title>IP-Adapter-FaceIDとControlNet（OpenPose）の仕組みをわかりやすく解説</title>
		<link>https://aidev.bluegarage.site/blog/2026/03/30/ip-adapter-faceid%e3%81%a8controlnet%ef%bc%88openpose%ef%bc%89%e3%81%ae%e4%bb%95%e7%b5%84%e3%81%bf%e3%82%92%e3%82%8f%e3%81%8b%e3%82%8a%e3%82%84%e3%81%99%e3%81%8f%e8%a7%a3%e8%aa%ac/</link>
				<pubDate>Mon, 30 Mar 2026 01:30:42 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[ControlNet]]></category>
		<category><![CDATA[Stable Diffusion]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9594</guid>
				<description><![CDATA[Stable Diffusion系の画像生成でよく使われる IP-Adapter-FaceID と ControlNet（OpenPose）。 どちらも「条件を与えて画像をコントロールする」技術ですが、 内部の仕組みはかなり異なります。 この記事では、以下を順番に解説します： 顔特徴ベクトルとは何か Cross-Attention Layer の役割 IP-Adapter-FaceID の仕組み ControlNet（OpenPose）との違い 顔特徴ベクトルとは何か？ ベクトル＝数値の集まり まず「ベクトル」とは、シンプルに言うと： [0.12, -0.33, 0.87, ...] のような数値の配列です。 画像生成AIでは、画像やテキストをそのまま扱うのではなく、 意味を持った数値データに変換して処理します。 顔特徴ベクトルの正体 顔画像を入力すると、顔認識モデル（ArcFaceなど）が： 顔の輪郭 目・鼻・口の配置 肌の質感 年齢・性別的特徴 といった情報をまとめて、**1つの高次元ベクトル（例：512次元）**に圧縮します。 👉 重要ポイント： テキストではない 画像そのものでもない 「顔の本質的な特 [&#8230;]]]></description>
									</item>
		<item>
		<title>ONNX Runtimeエラー「MatMulの型不一致」の原因と解決方法（FP16変換手順つき）</title>
		<link>https://aidev.bluegarage.site/blog/2026/03/24/onnx-runtime%e3%82%a8%e3%83%a9%e3%83%bc%e3%80%8cmatmul%e3%81%ae%e5%9e%8b%e4%b8%8d%e4%b8%80%e8%87%b4%e3%80%8d%e3%81%ae%e5%8e%9f%e5%9b%a0%e3%81%a8%e8%a7%a3%e6%b1%ba%e6%96%b9%e6%b3%95%ef%bc%88fp16/</link>
				<pubDate>Tue, 24 Mar 2026 01:19:00 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[解決方法]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9573</guid>
				<description><![CDATA[エラー内容 ONNXモデルを読み込む際に、以下のようなエラーが出ることがあります。 Microsoft.ML.OnnxRuntime.OnnxRuntimeException: [ErrorCode:Fail] Load model failed: Type Error: Type parameter (T) of Optype (MatMul) bound to different types (tensor(float) and tensor(float16)) エラーの意味（簡単に） このエラーは一言でいうと： 👉 MatMul（行列積）の入力の型が一致していない という意味です。 具体的には 一方の入力 → float32（tensor(float)） もう一方 → float16（tensor(float16)） ONNXの仕様では、MatMulは： 👉 同じデータ型同士でしか計算できない そのため、モデルのロード時点でエラーになります。 なぜこの問題が起きるのか よくある原因は以下です。 ① FP16とFP32が混在している モデルの一部だけFP16化した 一部の重みやサブモデルがFP32のまま  [&#8230;]]]></description>
									</item>
		<item>
		<title>Stable DiffusionとLCMとは？生成AIの仕組みと高速化技術をわかりやすく解説</title>
		<link>https://aidev.bluegarage.site/blog/2026/03/19/stable-diffusion%e3%81%a8lcm%e3%81%a8%e3%81%af%ef%bc%9f%e7%94%9f%e6%88%90ai%e3%81%ae%e4%bb%95%e7%b5%84%e3%81%bf%e3%81%a8%e9%ab%98%e9%80%9f%e5%8c%96%e6%8a%80%e8%a1%93%e3%82%92%e3%82%8f%e3%81%8b/</link>
				<pubDate>Thu, 19 Mar 2026 01:24:55 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Stable Diffusion]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9557</guid>
				<description><![CDATA[近年、画像生成AIの分野で注目されている「Stable Diffusion」。そして、その高速化技術として話題になっている「LCM（Latent Consistency Model）」。 この記事では、これらの技術の基本から違いまで、初心者にもわかりやすく解説します。 Stable Diffusionとは？生成モデルの一種 Stable Diffusionは、テキストから画像を生成できるAIモデルで、**生成モデル（Generative Model）**の一種です。 ユーザーが入力した文章（プロンプト）に基づいて、対応する画像を自動生成します。 技術的にはノイズ画像から、必要とする画像に多次元の空間を進んでいってたどり着くような技術です！ &#160; 特徴 テキストから画像を生成できる オープンソースで自由に利用可能 高品質な画像を生成できる Stable Diffusionの仕組み（ざっくり） Stable Diffusionは「拡散モデル（Diffusion Model）」という仕組みを使っています。 生成の流れ ランダムなノイズ画像からスタート 徐々にノイズを除去していく プロンプトに沿った画像へと変 [&#8230;]]]></description>
									</item>
		<item>
		<title>QwenImageEditPlusPipeline で 512px 画像が「ズームイン」される原因と修正方法</title>
		<link>https://aidev.bluegarage.site/blog/2026/03/18/qwenimageeditpluspipeline-%e3%81%a7-512px-%e7%94%bb%e5%83%8f%e3%81%8c%e3%80%8c%e3%82%ba%e3%83%bc%e3%83%a0%e3%82%a4%e3%83%b3%e3%80%8d%e3%81%95%e3%82%8c%e3%82%8b%e5%8e%9f%e5%9b%a0%e3%81%a8%e4%bf%ae/</link>
				<pubDate>Wed, 18 Mar 2026 05:50:09 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[pipeline]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[vae]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9554</guid>
				<description><![CDATA[HuggingFace の diffusers ライブラリに含まれる QwenImageEditPlusPipeline を使って 512×512 の画像を編集しようとすると、出力画像が不自然にズームインされたり画角がズレる現象が起きます。この記事ではその原因とコード修正方法を解説します。 🔍 現象 以下のようなコードで 512×512 の入力画像を処理すると、生成結果が元画像よりも「寄り」になってしまいます。 inputs = { "image": image, # 512×512 の画像 "prompt": prompt, "width": 512, "height": 512, ... } pipe(**inputs) 回避策として width/height を 1.75〜2 倍（例：896px や 1024px）にすると元の画角に近くなることが知られていますが、これは根本的な解決ではありません。 🐛 原因：VAE_IMAGE_SIZE のハードコード 原因はソースコード内にある 1行の定数 です。 ファイル：diffusers/src/diffusers/pipelines/qwenimage/pip [&#8230;]]]></description>
									</item>
	</channel>
</rss>
