<?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>Tue, 19 May 2026 01:22:21 +0000</lastBuildDate>
	<language>ja</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	
	<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>
