画像生成AIにおいて、多くの制作者が直面する課題が「目や輪郭のわずかな歪み」や「線の曖昧さ・デッサンの狂い」です。
プロンプトにどれほど品質向上の単語を重ねても、生成サイズや処理工程の設定が適切でなければ、顔のパーツの左右差や輪郭のヨレを根本から防ぐことはできません。
この歪みを構造的に抑え込む手法として標準的に用いられているのが 「Hires.fix（二段階生成）」 です。
本記事では、なぜ歪みが発生するのか、Hires.fixがそれをどう抑制するのか、そして副産物として得られる高解像度化の恩恵と注意点について解説します。
なぜAIイラストに「歪み・線の甘さ」が生じるのか
歪みが発生する根本的な要因は、AIが一度に処理できる「空間の解像度（情報密度）」の限界にあります。
① 低解像度での情報密度不足
標準的な解像度で一発生成を行う場合、顔や瞳といった微細なパーツに割り振られるピクセル数が極めて少なくなります。
わずか数十ピクセルの領域に虹彩や二重ライン、毛先を描き込もうとするため、線の境界が曖昧になり、左右非対称や形の崩れといった「歪み」が生じます。
② 無理な大画面指定による構造破綻
では「最初からキャンバスを広くすれば細かく描けるのではないか」とサイズを無理に引き上げると、今度はAIの空間認識が破綻します。
学習解像度（SDXLなら約1024×1024）から外れた過大な余白を埋めようとして手足が増殖したり、顔が分裂したりする重大なデッサン崩れを引き起こします。
つまり、「小さく描くと細部が歪み、大きく描くと全体の構造が崩れる」というジレンマが存在します。
Hires.fixが歪みを抑えるロジック
Hires.fixは、このジレンマを「全体の構図決定」と「細部の清書」を分業させることで解決します。
【工程1：標準解像度で大枠を生成】
AIが破綻しない安全なサイズで骨格・ポーズ・構図を確定させる。
全体の配置が安定しているため、手足の増殖などの致命的な崩れは発生しない。
↓
【拡大（リサイズ）】
構図が確定した画像を拡大し、細部を描き込むためのピクセル領域を物理的に確保する。
↓
【工程2：Hires.fixによる再描画】
低いノイズ強度（Denoising Strength: 0.20〜0.25）で再計算を実行。
全体のポーズや骨格は維持したまま、拡大によって生まれたピクセルの隙間に
「まつ毛のライン」「瞳の対称性」「輪郭線の引き締め」を正確に描き足す。骨格の決定を済ませた状態で、広い描画領域を与えて細部のみを整えさせるため、線が曖昧になることによる歪みを最小限に抑え込むことができます。
副産物としての「アップスケール（高解像度化）」
このアプローチの利点は、歪みを減らすプロセスを実行した結果として、自動的に高解像度化（1920×1080など）が完了する点です。
通常、すでに歪んでいる画像を単なるアップスケーラー（Real-ESRGAN等）に通しても、歪んだ線がそのままクッキリ拡大されるだけであり、デッサンの乱れは解消されません。
一方、Hires.fixは「構造を安定させた状態でディテールを再生成する」ため、
- 目や輪郭の歪みが整う（主目的）
- 結果として画像全体の解像度も上がる（副次的なメリット）
という2つの効果が同時に得られます。
「2度掛け・3度掛け」で歪みは完全に消えるのか？（多重適用の限界）
「1回で歪みが減るなら、2回、3回と繰り返せば完全に消えるのではないか」という疑問が生じます。
結論から述べると、多重適用は逆効果であり、1回で止めるのが原則です。
多重適用が破綻する理由
- 下地の歪みの固定化
Hires.fix（低強度）は「元の形状を保持する」アルゴリズムです。
1回目の時点で下地にわずかなズレが残っていた場合、2回目以降はそのズレを「意図された構造」として認識し、なぞり直すだけになります。 - 潜在空間の再圧縮による情報劣化（Generation Loss）
画像をAIの潜在表現に変換し、復元する工程を繰り返すことで、計算誤差が蓄積します。
結果として肌の質感がプラスチックのように硬化し、コントラストが不自然に飽和して絵が荒れます。 - 新たな歪みの誘発
再描画のたびに確率的な計算が入るため、修正したかった箇所とは別の部位（口元や指先など）に新たな歪みが発生するリスクが高まります。
◆ 対策
1回のHires.fixで歪みが取りきれない場合、重ね掛けをするのではなく、シード値を変更して「土台となる初期生成のバランスが良いもの」を選び直すのが最も確実です。
歪みを抑えるためのパラメータ設定基準
歪み抑制を主目的とする場合、パラメータは以下の数値を基準にします。
- Denoising Strength（ノイズ強度）：0.20 〜 0.25（推奨: 0.22）
数値を上げすぎると（0.30以上）、AIが骨格を勝手に再構成し始め、新たな歪みを生みます。0.22 前後に留めることで、土台の構図を保ちつつ線の曖昧さだけを削ぎ落とせます。 - 初期サイズと最終比率：1.5倍 拡大
（例：横長なら 1280×720 ➔ 1920×1080、縦長なら 720×1280 ➔ 1080×1920）
縦横比を完全に一致させることで、拡大に伴う比率の歪みを防ぎます。 - 歪み抑制ネガティブプロンプトの併用
以下のタグを指定し、パーツの非対称や破綻へのペナルティを強化します。
“codeTextasymmetrical eyes, cross-eyed, deformed iris, uneven eyes, distorted face, crooked mouth“
まとめ
- 歪みの本質：解像度が低すぎると細部の情報密度が足りずに歪み、高すぎるとAIの空間認識が破綻して崩れる。
- Hires.fixの役割：安全なサイズで骨格を固定し、低強度で細部の線と対称性のみを整える歪み抑制の仕組み。
- アップスケールは副産物：歪みを補正する過程でキャンバスを拡大するため、結果として高解像度な画像が得られる。
- 適用は1回が鉄則：重ね掛けは劣化を招くため、1回で整え、取りきれない歪みは初期シードの選定で解決する。
