脱ツルツルの限界――後処理で質感は救えるか？AI画像が商用レベルに達するために。

2026年4月26日 10:14

皮肉だな。と思います。AIが生成するツルツル感を修正するためだけに、ツールのカテゴリーが誕生しました。 UnPlastic（意訳：脱ツルツルツール） Vellum AI（AI肌補正ツール） FreepikのAI Skin Enhancer（AI肌質感補正機能）これらはすべて、問題が現実に存在し、広範囲に及び、商業的にも無視できないものだから存在しています。拡散モデルが繰り返し間違えるものを修正するために、みんなお金を払っているわけです。

☁️ Floyoなら質感LoRAをブラウザだけで試せます → 登録＆30日間無料コードの使い方( https://note.com/texture_lora_lab/n/n3f9a90e76a03 )

ある症状がひとつの製品カテゴリーになったとき、それはもうニッチな不満ではないのでしょう。何かが根本的に壊れていることを、市場が裏付けているということではないでしょうか。 AI生成画像の「ツルツル感」は、主観的な文句ではありません。生成後にわざわざ時間とお金をかけて修正しなければならない、システム的な欠陥なのだと思います。

しかし厳しい現実があります。これらのツールは症状を治療しているのであって、原因を治療しているわけではありません。そしてある地点で、必ず壁にぶつかることになります。

問題は確かに存在する

誤解のないように言っておくと、これらのツールを否定したいわけではありません。 UnPlastic自身の説明が核心を突いています――「生成AIは構図に関しては素晴らしいが、微細なディテールにはよく苦戦する。肌はツルツルに見え、布地には織り目がなく、影はフラットなグラデーションになる」。これは的確な指摘だと思います。 Hacker Newsのスレッドでも「なぜAI生成画像はこんなにテカテカしているのか？」という質問が溢れていて、これが広く認知された問題であることが確認できます。

これらのツールは、まさに謳い文句通りのことをしています。生成後の画像にテクスチャーを足し戻すのです。スムーズに生成 → 粒子と毛穴を追加 → 自然に見えることを祈る。根本的にはパッチ当てでなんとかする応急処置。モデルを訓練させる時間やスキルがない人にとっては、本当に役立つものだと思います。

これらのツールが無用だと言いたいのではありません。なぜそれらが永遠に応急処置にしかなれないのか、その理由を伝えたいのです。

なぜ後処理には限界があるのか

従来のテクスチャー復元フィルターがやっていることはこうです。ノイズを加えます。アンシャープマスクはエッジをシャープにしてローカルコントラストを生成します。クラリティフィルターはマイクロコントラストを加えます。 UnPlasticのような最新のAIアップスケーラーは、学習済みのテクスチャーパターンをスムーズな表面の上に載せます。

結局のところ、すべて同じことをしています。表面の装飾です。

しかし表面の装飾は、素材の論理とは別物です。

大学院で保存修復学を学んでいたとき、たったひとつの概念に何週間も費やしたことがあります。なぜ素材はそのように見えるのかということです。金箔は単にテクスチャーを持っているのではありません。金属の結晶構造が圧縮下でどう振る舞うかによって、特定の断層線に沿って割れるのです。漆は単に深みを持っているのではありません。屈折率と、光が複数の層を通過する際の散乱によって、光学的な深みが生まれます。折り返し鍛造の鋼は単に木目を持っているのではありません。鍛造プロセスによって木目に方向性が生まれるのです。

テクスチャー復元ツールは、そうしたことを何も知りません。スムーズすぎる画像を見て「粒子を加えろ」と言うだけです。しかし、どの種類の粒子なのか、なぜその粒子が特定の場所にだけ現れるべきなのか、異なる照明条件下でその素材が実際にどう振る舞うかを知る術がありません。

肌に説得力のある毛穴テクスチャーを加えることはできます。しかしUnPlasticには、光の角度に応じて毛穴に影が特定の方法で入ること、あるいは毛穴の密度が生物学的パターンに従って顔の部位ごとに変化することを、自ら学ぶことはできません。マイクロテクスチャーは加えられます。素材への理解は加えられません。

それが限界なのだと思います。

本当の根本原因：モデルは物理を学ばない

拡散モデルが訓練するのは統計的な関係、または傾向です。油絵が暖色系のパレットと相関することを学びます。金が鏡面反射と暖色に相関することを学びます。学習データから何十億ものピクセルレベルのパターンを学びます。

学ばないのは物理です。絵の具に粘度、重さ、流れがあることを学びません。漆が特定の表面張力を持つことを学びません。麻布の織り目が幾何学的法則に従い、それが光の跳ね返り方を決めることを学びません。

代わりに学ぶのは「これらのピクセルは普通一緒に現れる」ということです。構図にとっては強力ですが、素材の真正性にとっては致命的です。

後処理ツールも同じレベルの理解で動いています。ピクセル指向であって、物理指向ではありません。色を動かしてノイズパターンを加えることはできますが、そもそもツルツル感を生み出した同じ統計的フレームワークの中で作業しているに過ぎません。

修正は生成時に行うべきで、生成後ではない

ここで質感LoRAの出番になります。生成後にテクスチャーを加えるのではなく、物理的な表面が実際にどう見えるかを、生成時にモデルに教えるのです。

原理はシンプルです。質感LoRAが学習するのは装飾（足すこと）ではありません。モデルに「どこかにテクスチャーを加えろ」と言っているのではありません。「金箔を見たとき、物理的に正確な金箔とはこういう相関関係がある――微細な亀裂、光の散乱、酸化の仕方、特有の屈折パターン」と教えているのです。

モデルはこれを訓練時に習得します。生成時には、ほとんど何もプロンプトを触らなくてもトリガーワードだけで質感が出せるようにしています。（生成時にプロンプトで指示することは画題だったりモチーフの情報のみです。）モデルがその素材がどう見えるべきかを理解しているから、生成時にその素材が持つ質感が構造的に立ち現れるのです。

完璧かというと、そうではありません。モデルは依然として統計機械です。しかし「スムーズな表面にテクスチャーを加える」と「素材の理解を組み込んだ状態で生成する」の間には、大きな違いを生み出します。

SHIFUKU金箔モデルでこれを実際に目にしてきました。ベースモデルから生成した金箔にUnPlasticで後処理したものと、後処理なしのSHIFUKU生成を比べてみてください。 LoRAなし版は金の上にテクスチャーを乗せたように見えます。 SHIFUKU版はピクセルレベルから金として構造化されています。

この違いが有意義に感じられるかどうかは、拡大してみるとよりはっきりとわかると思います。

率直な評価

UnPlasticやVellum AIを無視しろと言いたいわけではありません。スピード重視で、モデルの訓練やファインチューニングの時間がないなら、これらのツールは確かに実際の問題を解決してくれます。アンシャープマスクでプラスチック肌を直そうとするよりは明らかにマシです（あれは醜い白いハロを生むだけですし）。

しかし素材の真正性を大切にするなら――保存修復学や美術史を学んだ経験があるなら、あるいはモノが実際にどう作られているかを本当にじっくり観察してきたなら――後処理は恒久的な問題に対する一時的な解決策でしかないことを受け入れる必要があるのではないでしょうか。

ツルツル感はなくならないでしょう。どれだけ本物っぽく見せられるようになってもどこかに違和感は残ります。商用で使うと商品の印象を損ねることにつながる事例はいくつもありました。後処理ツールは本質的に予防的ではなく、応急処置的だからです。生成段階の失敗に対して、それを隠そうと応じているに過ぎません。しかしモデルに焼き込まれたものを隠すことはできません。AIは学習したものからしか情報を引き出せません。学習したものを混ぜすぎるから余計な違和感が香ってきます。

商用レベルに必要なAI素材は、より優れたテクスチャー復元ソフトウェアではありません。 素材が実際に何であるかを知っているモデルを訓練させることだと思います。

それはより困難で、時間がかかります。確かな方法論が必要です。しかし症状の治療をやめて、本当に病気を治すには、それが唯一の道ではないでしょうか。

UnPlasticでは救えません。しかし、なぜ自分が救いを必要としているのかを理解すること――そこから本当の仕事が始まるのだと思います。

著者について

高校で日本画専攻、公立芸大で芸術学を学び、英国で博物館学修士（Merit）を取得。
英ThinkDiffusion社（Floyo AI）とのクリエイター提携により、商用レベルのH100 94GBクラウドGPU環境でLoRA作成を研究中。
金箔・螺鈿・漆など伝統素材の質感をAIに刻む「質感LoRA」を開発しています。

→ 全記事・リンク集
→ CivitAIで無料LoRAを公開中
→ noteメンバーシップ（¥500/月）

#質感LoRA #StableDiffusion #LoRA作成 #厚塗りAI #引き算のAI

noteタグ: #モデル #StableDiffusion #LoRa #商用利用可能 #テクスチャ #テクスチャー #LoRA作成 #引き算のAI #質感LoRA #厚塗りAI