結論
waifu2x とは、深層畳み込みニューラルネットワークで画像を拡大し、JPEG のノイズを除く無料のオープンソースの超解像ツールです。イラスト向けに作られ、写真にも対応しています。いちばん手軽な使い方は、公式の Web 版(www.waifu2x.net)に画像を入れ、「スタイル」「ノイズ除去」「拡大」を選ぶ方法です。
この記事でわかること
- Web 版・ブラウザの中で処理する unlimited:waifu2x・PC で動かす nunif などの違いと、それぞれの使い方の手順
- スタイル・ノイズ除去のレベル・拡大率・タイル・TTA の意味と、画像に合わせた選び方
- 自作の画像で、Nearest・Bilinear・Bicubic・Lanczos の拡大と、JPEG のノイズを先に減らしたときの差を PSNR で実測した結果
この記事で実際に動かしたもの:自作した3種類の画像(イラスト風・写真風・細い線)を縮小してから、Pillow の4つの方式で2倍に戻し、元の画像との差(PSNR・SSIM)を測る Python のプログラムと、JPEG のノイズを足した画像でノイズを先に減らす効果を測るプログラム、拡大後の大きさとメモリの計算です。waifu2x 本体は、この環境では動かしていません(理由は確認環境に書きました)。
どの版を使うかは、次の順で決められます。
flowchart TD
A[画像を高画質化したい] --> B{5MB以下で<br>1500px以下?}
B -- はい --> C[Web版<br>www.waifu2x.net]
B -- いいえ --> D{画像を外に<br>送りたくない?}
D -- はい --> E[unlimited:waifu2x<br>ブラウザ内で処理]
D -- いいえ --> F{枚数が多い<br>動画も扱う?}
F -- はい --> G[PC版 nunif<br>GUI・CLI]
F -- いいえ --> E
よく調べられることの答えを先にまとめます。
| 知りたいこと | 答え | 詳しい節 |
|---|---|---|
| waifu2x とは | 深層畳み込みニューラルネットワークによる拡大とノイズ除去のツール。MIT ライセンス | waifu2xとは |
| waifu2x の使い方 | Web 版に画像を入れ、スタイル・ノイズ除去・拡大を選ぶ | Web版の使い方 |
| 無料で使えるか | Web 版はログインなしで無料。ソフトウェアはオープンソース | よくある質問 |
| Web 版の制限 | 5MB、ノイズ除去は 3000x3000px、拡大は元が 1500x1500px まで | Web版の使い方 |
| 4倍に拡大したい | unlimited:waifu2x か PC 版(nunif の noise_scale4x) | unlimited:waifu2x・PC版 |
| ノイズ除去のレベル | JPEG のノイズの強さに合わせる。ノイズがない画像ではなし | ノイズ除去の選び方 |
| 普通の拡大との違い | 普通の拡大は周りの画素から計算するだけ。waifu2x は学習した模型で補う | 普通の拡大との違い |
| アップロードした画像 | Web 版はキャッシュだけに使い、30分で自動削除と公式が説明 | 画像の扱いと権利 |
確認環境:waifu2x の説明は、作者 nagadomi さんの GitHub リポジトリ(nagadomi/waifu2x の README、nagadomi/nunif の README・waifu2x の README・CLI の説明・unlimited:waifu2x の README・Windows パッケージの日本語の説明)、公式 Web 版(www.waifu2x.net の日本語ページとプライバシーポリシー、unlimited.waifu2x.net)、waifu2x-ncnn-vulkan(nihui/waifu2x-ncnn-vulkan)と waifu2x-caffe(lltcggie/waifu2x-caffe)の README を読んで書きました。waifu2x 本体は動かしていません。torch を入れずに動く waifu2x-ncnn-vulkan の CPU 実行を試す予定でしたが、公式の配布元(GitHub のリリース)への接続がこの環境のプロキシで拒否された(HTTP 403)ため、別の入手先は使わず、公式ドキュメントの記載で書きました。PC 版の手順・オプションは README の記載どおりで、手元では実行していません。Web 版にも画像を送っていません。拡大方式の比較とノイズの実験は、Ubuntu 24.04 の Python 3.13.18・Pillow 12.3.0・NumPy 2.5.3 で、自作の画像だけを使い、1スレッドで実行した出力です(確認日 2026年11月16日)。
本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。
(記載例)出典:株式会社RJC「waifu2xとは|使い方・無料で画像を高画質化する方法とノイズ除去の選び方」
waifu2xとは(ニューラルネットワークで拡大とノイズ除去をするツール)
この節では、waifu2x が何をするツールで、どんな仕組みにもとづいているかが分かります。
waifu2x は、小さい画像やJPEGで荒れた画像を、学習済みのニューラルネットワークで拡大・ノイズ除去するツールです。作者の公式リポジトリは、waifu2x を「Image Super-Resolution for Anime-style art using Deep Convolutional Neural Networks(深層畳み込みニューラルネットワークによる、アニメ調のイラストのための超解像)」と説明し、写真にも対応すると書いています。公式 Web 版の日本語ページの説明は「深層畳み込みニューラルネットワークによる二次元画像のための超解像システム。 写真にも対応。」です。
「超解像」は、低い解像度の画像から、高い解像度の画像を推定して作る技術です。公式リポジトリは、waifu2x が SRCNN(Chao Dong ほか「Image Super-Resolution Using Deep Convolutional Networks」、arXiv:1501.00092)に着想を得たと書いています。
1拡大
画像を縦横2倍などに大きくする。足りない画素を、学習した模型が推定して埋める。
2ノイズ除去
JPEG の圧縮で出るブロック状の荒れや、輪郭のまわりのもやを減らす。レベルは0〜3の4段階。
3オープンソース
リポジトリは MIT ライセンス。Web 版のほか、手元の PC やサーバーでも動かせる。
大事な点は、超解像は「元の画像を取り戻す」のではなく「ありそうな細部を推定して描き足す」処理だということです。縮小や圧縮で消えた情報そのものは戻りません。この点は、後の実測で数字として確かめます。
開発の流れ(Lua 版から PyTorch 版の nunif へ)
最初の waifu2x は Torch7(Lua)で書かれ、NVIDIA の GPU と CUDA が必要でした。公式リポジトリの「2023/02 PyTorch version」の節は、開発が PyTorch 版のリポジトリ nunif に移ったと書いています。いま新しいモデルや GUI を使うなら、nunif が作者の最新版です。Web 版のドメインは、2024年2月29日に waifu2x.udp.jp から www.waifu2x.net に変わりました(公式 Web 版のお知らせ)。
waifu2xの種類(Web版・ブラウザ版・PC版)の違い
この節では、waifu2x を使う入口の種類と、それぞれの向き不向きが分かります。
入口は大きく4つです。画像を送ってサーバーで処理する Web 版、ブラウザの中で処理する unlimited:waifu2x、作者の PC 版 nunif、そして作者以外が作った別の実装(waifu2x-ncnn-vulkan・waifu2x-caffe など)です。作者の README は、Windows で使える別の実装として waifu2x-caffe・waifu2x-ncnn-vulkan・waifu2x-converter-cpp を挙げています。
| 入口 | 処理する場所 | 主な条件・特徴 | 向いている場面 |
|---|---|---|---|
| Web 版(www.waifu2x.net) | サーバー | 5MB まで。拡大は元が 1500x1500px まで。PNG か WebP で保存 | 1枚だけ手早く |
| unlimited:waifu2x | 自分のブラウザ | 画像を送らない。大きさの固定の上限なし。4倍・TTA に対応。処理は遅い | 大きい画像・外に送りたくない画像 |
| nunif(作者の PC 版) | 自分の PC | Python 3 と PyTorch。GUI・CLI・Web サーバー。動画にも対応 | 大量の画像・動画・最新のモデル |
| waifu2x-ncnn-vulkan | 自分の PC | Vulkan で動く。Windows・Linux・macOS。-g -1 で CPU | PyTorch を入れずに CLI で |
| waifu2x-caffe | 自分の PC | Windows の 64bit 版。GUI つき。NVIDIA の GPU か CPU | Windows で GUI を使う |
スマートフォン向けのアプリや、waifu2x の名前を付けた別のサイトもあります。それらは作者の公式ではないため、使う前に提供元の説明(運営者・画像の扱い・料金)を確かめます。この記事は、作者の公式と、作者の README が挙げている実装だけを扱います。
waifu2xの使い方(Web版 www.waifu2x.net の手順)
この節では、公式 Web 版で画像を高画質化する手順と、画面の項目の意味が分かります。
日本語のページを開く
www.waifu2x.net を開き、言語の選択で「日本語」にする(日本語のページは index.ja.html)。ログインしなくても無料で使えると、公式のプライバシーポリシーに書かれている。
画像を入れる
「画像を選択 (D&D):」の枠に画像をドラッグするか、「ファイルを選択:」から選ぶ。5MB を超える画像は、先に縮めるか、unlimited:waifu2x を使う。
スタイルを選ぶ
「スタイル:」で「イラスト」「イラスト/スキャン」「写真」から、元の画像に近いものを選ぶ。紙を取り込んだイラストは「イラスト/スキャン」。
ノイズ除去と拡大を選ぶ
「ノイズ除去:」は「なし」「低」「中」「高」「最高」、「拡大:」は「なし」「1.6x」「2x」「🚀 4x」。4x を選ぶと unlimited:waifu2x へ案内される。
画像形式を選んで変換し、保存する
「画像形式:」で「PNG」か「WebP」を選び、変換を始めるボタンを押す。結果の画像を開いて保存する。元の画像と並べ、輪郭や文字がつぶれていないかを確かめる。
日本語ページには「ノイズ除去は細部が消えることがあります。JPEGノイズがある場合に使用します。」という注意があります。英語のページにも「ノイズがない画像に使うと逆効果になることがある」という意味の注意があります。迷ったら、まず「ノイズ除去:なし」「拡大:2x」で試し、荒れが目立つときだけノイズ除去を上げるのが失敗の少ない順番です。
2026年11月16日時点の公式 Web 版のお知らせには、2026年8月17日にイラストのモデルを更新したとあります。モデルが変わると同じ設定でも結果が変わるため、以前に作った画像と比べるときは、作った時期も控えておきます。
unlimited:waifu2xの使い方(画像を送らずブラウザで処理する版)
この節では、ブラウザの中で処理する unlimited:waifu2x の特徴と、設定の項目が分かります。
unlimited:waifu2x は、画像をサーバーに送らず、ブラウザの中でモデルを動かす実験的な版です。nunif の README は、onnxruntime-web をもとに作られ、画像をリモートのサーバーにアップロードせずに動くと説明しています。利点は、決まった大きさの上限がない(実際にはブラウザのメモリが上限)、4倍のモデルが使える、TTA が使える、の3つで、弱点は処理がとても遅いことと、WebAssembly に対応した新しいブラウザが必要なことです。
Web 版(www.waifu2x.net)
画像をサーバーに送って処理
5MB・1500x1500px の制限
サーバーの GPU で速い
拡大は 1.6x・2x まで
unlimited:waifu2x
ブラウザの中で処理(送らない)
上限はブラウザのメモリ
自分の PC の性能で決まり、遅い
1x・2x・4x、TTA、透過の扱いを選べる
画面の項目は英語です(2026年11月16日時点)。項目と選べる値を表にしました。
| 項目 | 選べる値 | 意味 |
|---|---|---|
| Backend | Auto・WebGPU・WebAssembly | 計算に使う仕組み。WebGPU は2026年8月14日に対応 |
| Model | swin_unet_v3 / art、swin_unet / art、swin_unet / art scan、swin_unet / photo、cunet / art (201811) | モデルの種類。swin_unet_v3.art は2026年8月16日に追加 |
| DeNoise | None・Low・Medium・High・Highest | ノイズ除去のレベル(なし・0〜3) |
| Upscaling | 1x・2x・4x | 拡大率。1x はノイズ除去だけ |
| Tile | 64・256・400・640・Shuffle | 画像を区切って処理する大きさ。画面に「256 is recommended」 |
| TTA | 0・2・4・Ensemble | 向きを変えて複数回処理し平均する。遅くなる |
| Alpha Channel | Auto・Disable | 透明の部分(アルファチャンネル)の扱い |
使い方の流れは Web 版と同じで、「File (D&D)」に画像を入れ、Model・DeNoise・Upscaling を選んで処理します。初めは Tile を 256 のままにし、メモリ不足でブラウザが止まるときは小さくします。
waifu2xの設定の意味(スタイル・ノイズ除去・拡大率・タイル・TTA)
この節では、どの版にも出てくる設定の言葉の意味と、決める順番が分かります。
- 1スタイル(モデル):絵柄に合わせるイラスト(art)・スキャンしたイラスト(art_scan・scan)・写真(photo)。nunif の写真とスキャンのモデルは GAN にもとづくと README に記載
- 2ノイズ除去:JPEG の荒れに合わせる0〜3の4段階となし。数字が大きいほど強い。荒れていない画像ではなし
- 3拡大率:使う先の大きさから決めるWeb 版は 1.6x・2x、unlimited と nunif は 4x まで、ncnn-vulkan は -s で 32 まで指定できる
- 4タイル:メモリに合わせる画像を区切って順に処理する大きさ。小さいほどメモリが少なくて済み、大きいほど継ぎ目が出にくい
- 5TTA:時間をかけて少し上げる画像を回転・反転して何度も処理し、結果を平均する。nunif では photo と art_scan のモデルでは使えない
nunif の CLI の説明は、タイルの既定値を 256 とし、タイルを大きくすると継ぎ目(特に写真のモデル)が減ると書いています。waifu2x-ncnn-vulkan の README は、タイルを小さくすると GPU のメモリの使用量が減ると書いています。「止まるならタイルを下げる、継ぎ目が見えるならタイルを上げる」と覚えておくと迷いません。
タイルの大きさで、処理の回数がどれだけ変わるかを計算しました(重なりの分は数えない概算です)。
== 5. タイル(256)に分けたときの枚数 (重なりを考えない概算) ==
800x600 tile 64: 130 枚
800x600 tile 256: 12 枚
800x600 tile 640: 2 枚
1500x1500 tile 64: 576 枚
1500x1500 tile 256: 36 枚
1500x1500 tile 640: 9 枚
3000x3000 tile 64: 2209 枚
3000x3000 tile 256: 144 枚
3000x3000 tile 640: 25 枚
1500x1500 の画像では、タイル 64 で 576 回、256 で 36 回、640 で 9 回に分かれます。タイルを小さくすると1回に使うメモリは減りますが、回数と継ぎ目が増えます。
waifu2xのノイズ除去の選び方(JPEGのノイズを想定)
この節では、ノイズ除去のレベルを画像に合わせて選ぶ考え方と、ノイズを減らす処理で細部が消える様子を数字で確かめた結果が分かります。
waifu2x のノイズ除去は、JPEG の圧縮で出るノイズを想定しています。日本語ページでは「ノイズ除去:」の横に「(JPEGノイズを想定)」と書かれています。カメラの暗い場所で出るざらつきや、フィルムの粒状感とは別のものです。
| 元の画像の様子 | 選ぶレベルの目安 | 理由 |
|---|---|---|
| PNG で保存された、荒れのない画像 | なし | 消すノイズがなく、細部だけが消えるおそれがある |
| きれいな JPEG(輪郭のもやがほぼ見えない) | なし か 低 | まずなしで試し、拡大後にもやが目立てば低 |
| 輪郭のまわりにもや、平らな所にむらがある JPEG | 中 | 典型的な JPEG の荒れ |
| ブロック状の模様が見える、何度も保存し直した JPEG | 高 か 最高 | 強い荒れ。細い線が消えていないかを必ず確かめる |
この表は「元の画像の荒れが強いほどレベルを上げる」という公式の説明にもとづく目安で、公式が品質の数値ごとのレベルを決めているわけではありません。同じ画像でレベルを変えた結果を2〜3枚作り、並べて決めるのが確実です。
実測:ノイズを先に減らすと、イラストでは細部が消えた
waifu2x のノイズ除去は学習したモデルで行うため、手元では再現できません。そこで、「ノイズを減らす処理は細部も消しうる」という注意の意味を、Pillow の一般的なフィルター(メディアンフィルター・ガウスぼかし)で確かめました。自作の画像を半分に縮めて JPEG で保存し、そのまま Bicubic で2倍にしたものと、先にフィルターをかけてから2倍にしたものを、元の画像と比べています。PSNR は元の画像との近さを表す値で、大きいほど近いことを示します。
== 2. JPEGのノイズを足した縮小画像を Bicubic で2倍。ノイズを先に減らすと? ==
画像 | JPEG品質| そのまま| Median3|Gauss0.8
イラスト風 | 30| 24.84| 21.97| 22.05 (JPEG 2119 bytes)
イラスト風 | 60| 25.62| 22.15| 22.21 (JPEG 2676 bytes)
イラスト風 | 90| 26.67| 22.34| 22.49 (JPEG 4322 bytes)
写真風 | 30| 30.46| 30.64| 30.63 (JPEG 1540 bytes)
写真風 | 60| 31.48| 31.59| 31.54 (JPEG 1936 bytes)
写真風 | 90| 32.36| 32.38| 32.38 (JPEG 3846 bytes)
輪郭線と平らな色でできたイラスト風の画像では、フィルターをかけると PSNR が約3〜4dB 下がりました。ノイズと一緒に、黒い輪郭線や細い線まで薄くなったためです。なめらかな写真風の画像では、わずかに上がりました(0.02〜0.18dB)。同じ「ノイズを減らす」処理でも、画像によって良くも悪くもなることが数字で分かります。waifu2x はイラストの輪郭を残すように学習されていますが、公式の注意どおり、荒れのない画像では「なし」から試すのが安全です。
waifu2xと普通の拡大(Nearest・Bicubic・Lanczos)の違いを実測
この節では、画像編集ソフトなどの普通の拡大が何をしているか、方式ごとの差がどれくらいかを、実際に計算した数字で確かめられます。
普通の拡大は、まわりの画素の値から決まった式で間の画素を計算します。Nearest は一番近い画素をそのまま使い、Bilinear は近い4画素、Bicubic は近い16画素、Lanczos はさらに広い範囲から重みを付けて計算します。どれも画像の中身を見ずに同じ式を使うため、輪郭はぼけるか、ギザギザになります。waifu2x のような超解像は、たくさんの画像で学習したモデルが「この形の輪郭なら、拡大するとこうなる」と推定して描くため、輪郭をくっきり保ちやすいのが特徴です。
自作の3種類の画像(256x256)を BOX(面積の平均)で半分に縮め、4つの方式で2倍に戻して元の画像と比べました。SSIM は明るさ・コントラスト・構造の近さを表す値で、1 に近いほど似ています(ここでは 8x8 の区画ごとに計算して平均した簡易版です)。
Python 3.13.18 Pillow 12.3.0 NumPy 2.5.3
== 1. 自作の画像を半分に縮め(BOX)、各方式で2倍に戻して元と比べる (256x256) ==
画像 |方式 | PSNR(dB)| SSIM
イラスト風 |Nearest | 25.56| 0.9517
イラスト風 |Bilinear | 25.79| 0.9344
イラスト風 |Bicubic | 27.23| 0.9470
イラスト風 |Lanczos | 27.75| 0.9446
写真風 |Nearest | 33.60| 0.8717
写真風 |Bilinear | 33.34| 0.8636
写真風 |Bicubic | 33.53| 0.8701
写真風 |Lanczos | 33.46| 0.8685
細い線 |Nearest | 10.16| 0.5538
細い線 |Bilinear | 9.69| 0.4156
細い線 |Bicubic | 9.90| 0.4694
細い線 |Lanczos | 9.80| 0.4624
イラスト風
PSNR は Lanczos が 27.75dB で最も高く、Nearest より 2.2dB 高い。輪郭が多い絵ほど方式の差が出る。
方式の差が大きい
写真風
4つの方式の差は 0.3dB 以内。なめらかな画像では、どの方式でも近い結果になる。
方式の差が小さい
細い線
6画素おきの縦線は、縮小で模様が崩れ、どの方式でも PSNR は約10dB。消えた情報は戻らない。
縮小で失われた分は戻らない
指標で順位が変わる
イラスト風の SSIM は Nearest が最も高かった。数値の指標は1つだけで決めず、目で見て確かめる。
PSNR と SSIM は別の見方
倍率を上げると、普通の拡大ではさらに元から離れます。同じイラスト風の画像で倍率を変えた結果です。
== 倍率ごとの PSNR (イラスト風 256x256、Lanczos と Bicubic) ==
2倍: 縮小 128x128 | Bicubic 27.23 dB | Lanczos 27.75 dB
4倍: 縮小 64x64 | Bicubic 21.41 dB | Lanczos 21.56 dB
8倍: 縮小 32x32 | Bicubic 18.91 dB | Lanczos 18.94 dB
2倍から4倍で約6dB 下がり、4倍では Bicubic と Lanczos の差もほとんどなくなりました。小さい画像を大きく引き伸ばすほど、式で埋める方法の限界がはっきりします。超解像が役に立つのはこの領域ですが、それでも描き足した細部は推定です。元の画像を大きく撮り直せる・描き直せるなら、それが一番確実です。
速さも測りました。1024x1024 の画像を 2048x2048 にした時間(5回の中央値)です。
== 3. 1024x1024 -> 2048x2048 の拡大にかかった時間 (5回の中央値, 1スレッド) ==
Nearest | 5.2 ms
Bilinear | 7.8 ms
Bicubic | 11.3 ms
Lanczos | 18.0 ms
普通の拡大は、CPU 1スレッドでも数ミリ秒〜20ミリ秒で終わります。ニューラルネットワークの超解像は1画素ごとに多くの計算をするため、GPU を使うのが前提の設計です。大量の画像で「少し大きくするだけ」なら普通の拡大、「輪郭をくっきり保って大きくしたい」なら waifu2x、と使い分けます。画像のリサイズを Python で書く方法は、関連記事「Python Pillowで画像処理|リサイズ・トリミング・形式変換のコード集」で扱っています。
waifu2xで拡大したあとの大きさとメモリの計算
この節では、拡大率ごとに画像の画素数とメモリがどれだけ増えるかが、計算した表で分かります。
拡大率を2倍にすると、画素数は4倍になります。縦と横の両方が2倍になるためです。4倍なら画素数は16倍です。
== 4. 拡大後の大きさ (Web版の制限 1500x1500 / 5MB を例に) ==
入力 | 倍率|出力 | 画素数| RGB 8bit|float32 RGB
800x600 | 1.6|1280x960 | 1,228,800| 3.5MB| 14.1MB
800x600 | 2|1600x1200 | 1,920,000| 5.5MB| 22.0MB
800x600 | 4|3200x2400 | 7,680,000| 22.0MB| 87.9MB
1500x1500 | 1.6|2400x2400 | 5,760,000| 16.5MB| 65.9MB
1500x1500 | 2|3000x3000 | 9,000,000| 25.7MB| 103.0MB
1500x1500 | 4|6000x6000 | 36,000,000| 103.0MB| 412.0MB
「RGB 8bit」は圧縮する前の画像そのものの大きさ、「float32 RGB」はニューラルネットワークの計算で使う形式(1画素12バイト)にしたときの大きさです。Web 版の上限 1500x1500 を2倍にすると 3000x3000(900万画素)になり、4倍にすると 6000x6000(3,600万画素)、計算の形式で 412MB になります。実際の処理では途中の計算でさらにメモリを使うため、大きな画像はタイルに区切って処理します。4倍の拡大がブラウザ版や PC 版に分かれている理由が、この数字から分かります。
保存するファイルの大きさは、PNG や WebP の圧縮で変わるため、この表より小さくなります。画像の形式ごとの圧縮の違いは、関連記事「WebP・HEICとは|JPG・PNGへの変換と画像圧縮を実測で解説」で扱っています。
waifu2xをPCで使う方法(nunif の GUI と CLI)
この節では、作者の最新版 nunif を PC に入れて使う手順が、公式の説明の範囲で分かります。
nunif は、waifu2x の PyTorch 版を含む作者のリポジトリです。README は、Python 3(開発は 3.12)と PyTorch が必要で、Ubuntu・Windows・macOS 向けの手順があると書いています。モデルは python -m waifu2x.download_models で取得し、waifu2x/pretrained_models に置かれます。モデルは自動では更新されないため、ソースを更新したらこのコマンドを再び実行します。
Windows:nunif windows package を使う
公式の日本語の説明(windows_package/docs/README_ja.md)による手順です。対応は Windows 7 以降(Windows 10 以降を推奨)で、Visual C++ 再頒布可能パッケージ(x64)が必要です。
- nunif-windows.zip を取得し、好きなフォルダに置く。
- zip のプロパティで、ブロックを解除する項目にチェックを入れて適用する。
- zip を右クリックして、すべて展開する。
- 展開したフォルダの install.bat を実行する。黒い画面でインストールが進み、成功するとキーの入力を待って閉じる。
- waifu2x-gui.bat を実行すると waifu2x の GUI が開く。初回は表示までに時間がかかることがある。
説明によると、インストーラーは組み込みの Python・最小限の Git・nunif のソース・依存するライブラリ・モデルをすべてそのフォルダの中に取得し、フォルダの外には意図してアクセスしません。アンインストールはフォルダごと削除します。更新は update.bat です。深いフォルダに置いて「No module named」のようなエラーが出たときは、長いパスを有効にする手順(管理者の権限が必要)が案内されています。
CLI:コマンドで一括処理する
nunif の CLI の説明に載っている例です。-m で処理の種類、-n でノイズ除去のレベル、--style でモデルを選びます。
# ノイズ除去だけ(レベル0)。フォルダの中の画像をまとめて処理
python -m waifu2x.cli -m noise -n 0 -i tmp/images -o tmp/out
# 写真のモデルで、ノイズ除去(レベル3)と4倍の拡大
python -m waifu2x.cli --style photo -m noise_scale4x -n 3 --tile-size 640 --batch-size 1 -i tmp/images -o tmp/out
# TTA を使って2倍に拡大(遅くなる)
python -m waifu2x.cli --tta --batch-size 16 -m scale -i tmp/images -o tmp/out
| オプション | 値 | 意味(CLI の説明より) |
|---|---|---|
| -m(--method) | scale・scale2x・scale4x・noise・noise_scale・noise_scale4x | 処理の種類。既定は noise_scale(ノイズ除去と2倍) |
| -n(--noise-level) | 0〜3 | ノイズ除去の強さ。既定は 0 |
| --style | art・photo・scan・art_scan | 使うモデル。--model-dir を指定すると無視される |
| --tile-size | 既定 256 | 区切って処理する大きさ |
| -g(--gpu) | 既定 0、-1 で CPU | 使う GPU の番号。複数も指定できる |
| -f(--format) | png・webp・jpeg | 出力の形式。jpeg では透明な部分が白になる |
入力には、フォルダのほかに画像の一覧(.txt・.csv)や動画も指定できます。動画向けには画質(--crf)などのオプションがありますが、説明には「モデルは静止画向けに作られている」とも書かれています。GPU で動かす環境を手早く用意する方法の1つとして、クラウドの GPU 環境の基本は関連記事「Google Colabとは|使い方・GPU・料金・制限とエラーの直し方」で扱っています(nunif を Colab で動かす手順は、この記事では確かめていません)。
waifu2x-ncnn-vulkan・waifu2x-caffeの使い方(公式READMEの範囲)
この節では、作者の README が挙げている別の実装のうち、よく使われる2つの使い方と条件が分かります。
waifu2x-ncnn-vulkan(Vulkan で動く CLI)
README は、「waifu2x converter ncnn version」で、Vulkan を使い Intel・AMD・NVIDIA・Apple シリコンの GPU で速く動くと説明しています。配布物は、実行ファイルとモデルが入ったポータブルな形で、Windows・Linux・macOS 向けがあります。ライセンスは MIT です。README の例のコマンドは次のとおりです。
waifu2x-ncnn-vulkan.exe -i input.jpg -o output.png -n 2 -s 2
| オプション | 値(README の記載) | 意味 |
|---|---|---|
| -i・-o | ファイルかフォルダ | 入力(jpg・png・webp)と出力 |
| -n | -1・0・1・2・3(既定 0) | ノイズ除去の強さ。-1 は効果なし |
| -s | 1・2・4・8・16・32(既定 2) | 拡大率 |
| -t | 32 以上、0 は自動 | タイルの大きさ。小さくすると GPU のメモリが減る |
| -m | 既定 models-cunet | モデルのフォルダ。README には cunet のほか upconv_7 のイラスト向け(anime_style_art_rgb)のフォルダ名も載っている |
| -g | 既定は自動、-1 は CPU | 使う GPU |
| -x・-f | -x で TTA、-f は jpg・png・webp | TTA と出力の形式 |
落ちるときは GPU のドライバーを更新するよう README に書かれています。この記事を書いた環境では、配布元への接続が拒否されたため動かしていません。
waifu2x-caffe(Windows の GUI)
README の説明は「waifu2xのCaffe版」です。動く条件は、Windows Vista 以降の 64bit 版(32bit 版の exe はない)、空きメモリ 1GB 以上(画像の大きさによる)、Microsoft Visual C++ 2015 再頒布可能パッケージ Update 3(x64)で、GPU で変換するなら Compute Capability 3.5 以上の NVIDIA の GPU、CPU で変換するなら GPU は不要です。GUI の項目は「変換モード」「JPEGノイズ除去レベル」「拡大サイズ」「モデル」「分割サイズ」「使用プロセッサー」「TTAモードを使う」「出力拡張子」などで、モデルは「2次元イラスト(CUnetモデル)」「写真・アニメ(Photoモデル)」などから選びます。「分割サイズ」は、ほかの版のタイルにあたる設定です。
waifu2xに向いている画像・向いていない画像
この節では、waifu2x で効果が出やすい画像と、期待しすぎないほうがよい画像の見分け方が分かります。
| 画像 | 向き不向き | 理由・選ぶスタイル |
|---|---|---|
| 輪郭線と平らな色のイラスト | 向いている | もともとの学習の対象。イラスト |
| 紙のイラストを取り込んだ画像 | 向いている | 紙の質感やにじみ向けのモデル。イラスト/スキャン |
| JPEG で荒れたアイコンや図 | 向いている | ノイズ除去が JPEG の荒れを想定している |
| 写真 | 使える | 写真のモデルがある。写真 |
| とても小さい画像を4倍以上 | 期待しすぎない | 描き足す部分が増え、元にない形になりやすい |
| 細かい文字・細い模様 | 期待しすぎない | 縮小で消えた模様は戻らない(実測の「細い線」) |
| 証拠や記録として使う画像 | 使わない | 推定で描き足した部分は、元の画像にない情報 |
保存し直しを重ねない
JPEG で保存するたびに新しい荒れが足される
ノイズ除去を最初から最高にしない
実測では、ノイズを減らす処理でイラストの PSNR が約3〜4dB 下がった
waifu2xで扱う画像と権利・安全の確かめ方
この節では、Web 版に送った画像がどう扱われるか(提供元の説明)と、使う前に確かめることが分かります。
公式 Web 版のプライバシーポリシーは、画像と URL をキャッシュ以外の目的では保存せず、キャッシュは30分で自動的に削除されると説明しています。同じポリシーには、Google Analytics と Google AdSense を使っていること、ログイン(Patreon)は任意で、ログインしなくても無料で使えることも書かれています。これは提供元の説明で、RJC が画像の安全を保証するものではありません。外に送りたくない画像は、画像を送らずに処理する unlimited:waifu2x か、手元の PC で動かす版を使います。
- 1使う版が作者の公式か、README が挙げている実装かを確かめる名前が似た別のサイトやアプリは、運営者と画像の扱いを個別に確かめる
- 2機密情報・個人情報が写った画像は Web 版に送らないブラウザ版か PC 版を使い、所属先の決まりも確かめる
- 3他者の画像は、権利者の許可の範囲で使う拡大やノイズ除去をしても、元の画像の権利者は変わらない
- 4ソフトウェアのライセンスを読むwaifu2x・nunif・ncnn-vulkan・caffe のリポジトリは MIT。nunif は PyAV の同梱の仕方で GPL になる場合があると README に記載
- 5実行ファイルは公式の配布元から取得するGitHub のリポジトリのリリースや、README に書かれた入手先を使う
ソフトウェアのライセンスは「プログラムをどう使ってよいか」の決まりで、処理する画像の扱いとは別の話です。画像を公開・販売する使い方は、元の画像の権利者の条件と、提供元の最新の説明を確かめてから決めます。この記事の実験で使った画像は、すべてプログラムで自作したものです。
waifu2xのよくあるエラー・つまずき表と、使い方の判断表
この節では、使い始めで止まりやすい場面の原因と直し方、どの版を選ぶかの判断が分かります。
| 症状 | 主な原因 | 直し方 |
|---|---|---|
| Web 版で画像を選んでも処理されない | 5MB や 1500x1500px(拡大時)の制限を超えている | 画像を縮める、ノイズ除去だけにする、unlimited:waifu2x を使う |
| 拡大したら線が細くなった・消えた | 荒れのない画像にノイズ除去をかけた | 「ノイズ除去:なし」に戻す |
| 写真がのっぺりした絵のようになった | スタイルがイラストのまま | スタイルを「写真」にする |
| unlimited:waifu2x が止まる・とても遅い | ブラウザのメモリ不足、または CPU での処理 | Tile を小さくする、Backend を変える、TTA を 0 にする |
| 結果に格子状の継ぎ目が見える | タイルが小さい(特に写真のモデル) | タイルを大きくする(nunif の説明の記載) |
| 透明だった部分が白くなった | JPEG で出力した | PNG か WebP で出力する |
| nunif で No module named と出る(Windows) | フォルダが深く、パスが長すぎる | 浅いフォルダに置く、公式の長いパスの設定を行う |
| ncnn-vulkan が落ちる | GPU のドライバー、メモリ不足 | ドライバーを更新する、-t でタイルを小さくする、-g -1 で CPU |
| nunif で --tta が効かない | photo・art_scan のモデル(GAN)を使っている | TTA は art などのモデルで使う |
| やりたいこと | 選ぶ版 | 決め手 |
|---|---|---|
| 1枚を2倍にしたい | Web 版 | 入れるだけで速い |
| 4倍にしたい・大きな画像 | unlimited:waifu2x | 4x のモデルがあり、固定の上限がない |
| 画像を外に出したくない | unlimited:waifu2x か PC 版 | 画像を送らずに処理する |
| 何百枚も処理したい・動画 | nunif の CLI | フォルダごと・一覧・動画を指定できる |
| PyTorch を入れずにコマンドで | waifu2x-ncnn-vulkan | ポータブルな配布物で動く |
| 少し大きくするだけ・速さ重視 | 普通の拡大(Lanczos など) | 実測で 2048x2048 まで 20ms 以下 |
waifu2xのよくある質問
この節では、waifu2x について調べられることの多い疑問に、公式の記載と実測にもとづいて答えます。
Q. waifu2x は無料ですか。
A. 公式 Web 版は、ログインしなくても無料で使えるとプライバシーポリシーに書かれています。waifu2x と nunif のリポジトリは MIT ライセンスのオープンソースです。Web 版のページには、Patreon や Fantia でサーバーを支援する案内があります。
Q. 読み方は何ですか。
A. 作者の公式リポジトリと Web 版では、読み方を説明した記載は見つかりませんでした。そのため、この記事では読み方を決めつけず、表記は公式どおり「waifu2x」としています。
Q. 写真にも使えますか。
A. 使えます。公式の説明に「写真にも対応」とあり、Web 版では「スタイル」で「写真」を選びます。nunif の写真のモデルは GAN にもとづくと README に書かれています。
Q. 4倍以上に拡大できますか。
A. Web 版の「🚀 4x」は unlimited:waifu2x に案内されます。nunif は noise_scale4x・scale4x、waifu2x-ncnn-vulkan は -s で 32 まで指定できます。ただし倍率が大きいほど描き足す部分が増えます。実測でも、普通の拡大では2倍から4倍で PSNR が約6dB 下がりました。
Q. GPU がない PC でも使えますか。
A. 使えます。unlimited:waifu2x はブラウザの WebAssembly で動き、nunif は --gpu -1、waifu2x-ncnn-vulkan は -g -1 で CPU を使えます。waifu2x-caffe も CPU で変換できます。どれも GPU より時間がかかります。
Q. アップロードした画像は保存されますか。
A. 公式 Web 版のプライバシーポリシーは、キャッシュ以外の目的では保存せず、キャッシュは30分で自動削除と説明しています。送りたくない画像は、画像を送らない unlimited:waifu2x か PC 版を使います。
Q. 動画も高画質化できますか。
A. nunif の CLI は動画の入力に対応し、画質(--crf)やフレームレートのオプションがあります。ただし CLI の説明には、モデルは静止画向けに作られていると書かれています。
Q. 透過 PNG の透明な部分は残りますか。
A. unlimited:waifu2x には「Alpha Channel」の設定があります。nunif で JPEG を出力すると、透明な部分は白い背景になると README に書かれています。透明を残すなら PNG か WebP で出力します。画像の背景を透明にする方法は、「背景透過のやり方|サイトに上げずに画像を透明PNGにする方法と精度比較」で扱っています。
Q. waifu2x-caffe と nunif のどちらを使えばよいですか。
A. 作者の新しいモデルや GUI を使うなら、開発が移った nunif です。Windows で waifu2x-caffe の GUI に慣れているなら、それを使い続ける選び方もあります。動く条件(OS・GPU)が違うため、前の節の条件を見て決めます。
Q. 画像生成 AI とは何が違いますか。
A. waifu2x は、入れた画像を拡大・ノイズ除去するためのもので、文章から新しい画像を作るものではありません。文章から画像を作る Stable Diffusion とは目的が違います(Stable Diffusion の使い方は、別の記事「Stable Diffusionとは|使い方とモデルの種類・seedとCFGを実演」で扱います)。
Q. ニューラルネットワークの「畳み込み」とは何ですか。
A. 画像の小さな区画ごとに同じ重みの計算をくり返し、輪郭や模様の特徴を取り出す処理です。ニューラルネットワークの基本の仕組みは、関連記事「ニューラルネットワークとは|仕組み・学習・AttentionをNumPyで実演」で扱っています。
まとめ
この節では、この記事の要点を5つにまとめます。
- waifu2x は、深層畳み込みニューラルネットワークで拡大とノイズ除去をするオープンソースのツールです。イラスト向けに作られ、写真にも対応します。開発は PyTorch 版の nunif に移っています。
- 手軽なのは Web 版(www.waifu2x.net)です。5MB・拡大は元が 1500x1500px までの制限があり、4倍や大きな画像は unlimited:waifu2x、大量の処理は nunif を使います。
- ノイズ除去は JPEG のノイズを想定しています。荒れのない画像では「なし」から試します。実測では、ノイズを減らす処理でイラストの PSNR が約3〜4dB 下がりました。
- 普通の拡大との差は、輪郭の多い絵と大きな倍率で出ます。実測では写真風の画像で方式の差は 0.3dB 以内、イラスト風で 2.2dB、縮小で消えた細い線はどの方式でも戻りませんでした。
- 画像の扱いと権利は、提供元の説明と権利者の条件で確かめます。Web 版はキャッシュを30分で自動削除と説明しています。外に送りたくない画像はブラウザ版か PC 版で処理します。
参考・出典
この節では、この記事で確かめた公式の資料を一覧にします(確認日 2026年11月16日)。
- nagadomi「waifu2x」(GitHub、README):https://github.com/nagadomi/waifu2x
- nagadomi「nunif」(GitHub、README):https://github.com/nagadomi/nunif
- nunif「waifu2x」の README:https://github.com/nagadomi/nunif/blob/master/waifu2x/README.md
- nunif「waifu2x CLI」の説明:https://github.com/nagadomi/nunif/blob/master/waifu2x/docs/cli.md
- nunif「unlimited:waifu2x」の README:https://github.com/nagadomi/nunif/blob/master/waifu2x/unlimited_waifu2x/README.md
- nunif「nunif windows package」日本語の説明:https://github.com/nagadomi/nunif/blob/master/windows_package/docs/README_ja.md
- waifu2x 公式 Web 版(日本語):https://www.waifu2x.net/index.ja.html
- waifu2x 公式 Web 版のプライバシーポリシー:https://www.waifu2x.net/privacy_policy.txt
- unlimited:waifu2x:https://unlimited.waifu2x.net/
- nihui「waifu2x-ncnn-vulkan」(GitHub、README):https://github.com/nihui/waifu2x-ncnn-vulkan
- lltcggie「waifu2x-caffe」(GitHub、README):https://github.com/lltcggie/waifu2x-caffe
- Chao Dong ほか「Image Super-Resolution Using Deep Convolutional Networks」(arXiv:1501.00092):https://arxiv.org/abs/1501.00092
本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。
(記載例)出典:株式会社RJC「waifu2xとは|使い方・無料で画像を高画質化する方法とノイズ除去の選び方」
株式会社RJC ― SI事業・SES事業・AI駆動開発。RJCは一緒に成長を楽しめる会社です。
WE ARE HIRING
RJCで一緒に開発しながら、
成長を楽しみませんか?
RJCは、Web・モバイル・AIを活用した開発プロジェクトで、テックリードやPM・PMOも活躍するシステム開発会社です。会社を知る、待遇を確かめる、話を聞いてみる。気になるところ見てみてください!
- 127日年間休日
- 12時間平均残業時間
- 毎日ガチャ遊びココロも大切にする福利厚生。アマギフなどの賞品ラインナップ!
ほかにも、チケットレストラン、書籍読み放題、2年ごとの慰労報奨(休暇 or 金一封)、11期連続の黒字決算。