Kakudai V1 EX with Florence-2

05.06.2026, updated to fix ComfyUI nodes2.0, and installed Florence-2.

以前、日本発AI開発エンジニアグループ、マーベリック(※メンバー全員東大卒だとか)が開発した画像拡大＆高画質化AI「Kakudai V1」を、初期設定のOpenAI APIで一定料金がかかる形態から、ollamaを利用してローカル環境のLLMを使用する形態に改造したバージョンを公開しましたが、

今回更にオリジナル要素を盛り込んだVer.Ⅱを開発しました。

SD1.5ベースながら、かなり肌の質感などにおいてリアルな拡大と高画質化を実現するKakudai V1ですが、欠点を強いて挙げるとすれば、顔が完全に別人に代わってしまう事、場合によっては肌の質感にノイズが乗りすぎる点がありました。

今回は、上に書いたKakudai V1の弱点である、顔の別人化と肌のノイズを修正する意図で、フローを作成してみました。

それによって拡大した画像ですが、私にとっての永遠ヒーロー、1980年代のサイクリングシーンをけん引した2人のスーパースター、U.S.AのMr. Greg LeMondとフランスのBernard Hinault氏です。

従来のKakudai V1では、ほぼ別人になってしまった処を、ほぼ元画像に忠実な拡大を可能にしました。

ちなみに元絵は下です。

従来のKakudai V1からの改造点は、元画像に対する追随性を向上させる為に、お馴染みIP-Adapterを使用している点です。IP-AdapterはFace限定モデルではなくGlobal用途のモデルを使用します。

Kakudai V1の利点の一つに、SD1.5ベースである為に軽量である点があります。今回、IP-Adapterを追加していますが、ほぼ全工程でVRAM消費は12GB未満に収まります。
(Pytorch2.11.0+cu13.0使用)

肌のノイズ過剰もだいぶ改善しましたが、人によっては逆にノイズ不足で物足りないという視点もあるかもしれません。その場合は、従来のKakudai V1を使用すると良いでしょう。

また、原画に対する追随性を高める方法として、適切なプロンプトの追記も有効です。

下図の場合、Greg LeMond氏とBernard Hinault氏という特定の個人の写真である為、固有名詞を直接指定する事で追随性を高めることにも成功しています。ただし、この方法はLLMがデータとして持っているような世界的な著名人である場合のみ有効ですが、このプロンプトを工夫する発想そのものは普遍的に使用できます。

この方法により、特にBernard Hinault氏の再現性がかなりれ向上しました。

2026年3月30日、一度削除したFlorence-2による画像解析とブロンプト機能を復活させました。但し、私が開発したフォーク版を使用してください。特に、transformers5.0以降環境では、私のフォーク版が必須になります。

尚、Kakudai V1による画像修復の性能は、クラウドの有料サービスでも出来ない機能です。

非常に劣化した画像、低解像度画像の拡大に関しては、2026年3月現在でも尚、あらゆる有料サービスよりも上です。

これを当時開発したマーベリックと言うAI開発チーム...スタッフ全員東大卒...は改めて凄い仕事をしたと思います。

その後も色々活動していますが、ComfyUIからは完全に手を引いたようで、今は動画生成関係の開発を進めておられるようですが、この分野は如何せん中国勢には勝てないです。

技術云々以前に開発資金が桁違いなので、資金調達規模の問題は、日本と言う後進国では、どうしようもありません。