AI画像を作っていると、「サングラスを付けて」と頼んだのに付かない、強く指示すると今度は顔や形が崩れる、ということがあります。
Google Researchは2026年9月29日、こうした「指示に合わせること」と「元の画像品質を保つこと」の両立を目指す研究「Diffusion Controller（ディフュージョン・コントローラー）」を発表しました。
先に結論を言うと、これはGeminiですぐ使える新機能ではありません。画像生成の仕組みを改善する開発者・研究者向けの技術です。ただ、今後のAI画像生成で「指示した物が入らない」「直すほど別の部分が崩れる」という失敗を減らす可能性があります。
Diffusion Controllerとは？
Diffusion Controllerは、すでに学習済みの画像生成モデルに小さな制御用ネットワークを追加し、生成の進み方を調整する仕組みです。
画像生成AIは、最初のノイズから少しずつ画像を整えていきます。Diffusion Controllerは、その途中で小さな修正を加え、利用者の指示や評価に近い方向へ生成結果を導きます。
Google Researchは例として「サングラスをかけたトカゲ」を挙げています。従来は、自然なトカゲは作れてもサングラスが消えたり、サングラスを強く反映させると顔やウロコが崩れたりすることがありました。今回の研究は、サングラスを反映しながら、トカゲらしい形や画質も保つことを狙っています。
何が新しい？元のモデルを大きく変えずに制御する
画像生成モデルの出力を自分の目的に合わせる方法として、LoRA（ローラ）などの追加学習があります。LoRAは、人物や画風、衣装などの特徴を覚えさせたいときによく使われる方法です。
Diffusion Controllerの特徴は、元のモデルを固定したまま、横に小さな制御部分を足せる点です。Google Researchは、モデルの内部をすべて自由に変更できない「グレーボックス」の環境にも使える設計を示しています。
- 元のモデル：基本の画質や知識を担当する
- 追加する制御部分：指示や評価に近づくよう、生成途中を少しずつ調整する
- 調整の強さ：生成時の数値で強めたり弱めたりできる
つまり、新しい画像生成モデルを一から作り直すのではなく、既存モデルを生かしたまま指示への合わせ方を改善する考え方です。
LoRAと同じものではない
名前だけを見ると、LoRAの代わりになる機能に見えるかもしれません。しかし、現時点で単純に置き換えられるとは言えません。
LoRAはStable Diffusionなどで広く使われ、人物や服装、絵柄を覚えさせたファイルを利用者が追加できます。一方のDiffusion Controllerは、画像生成をどう制御するかを共通の考え方で整理し、指示への一致と画質のバランスを学習させる研究です。
Googleの実験ではStable Diffusion v1.4を土台に使い、指示や人の好みにどれだけ合うかを測るHPS-v2という指標で比較しています。発表では、条件によってLoRAを含む比較対象を上回ったと説明されています。
ただし、これは研究用の条件で得られた結果です。最新のGemini、ChatGPT、Midjourney、FLUXなどで同じ結果になると確認されたわけではありません。
「90％勝った」の意味には注意
Google Researchの発表には、内部を自由に変更できる方式が、基準となるモデルに対して90％の勝率を得たという説明があります。
この数字は「どんな画像でも90％正しく作れる」という意味ではありません。特定の実験条件で、基準モデルとの比較に勝った割合です。グレーボックス方式、LoRAとの比較、人による評価など、評価条件によって結果は異なります。
数字だけで性能を判断せず、どのモデル・どの指示・どの比較方法で測ったかを見る必要があります。
AI画像を作る人には何が変わりそう？
将来この考え方が実際の画像生成サービスに取り入れられれば、次のような改善が期待できます。
- 指定した小物や服装が抜けにくくなる
- 複数の条件を同時に反映しやすくなる
- 指示を強くしても、顔や体、背景が崩れにくくなる
- 好みの雰囲気に合わせる強さを調整しやすくなる
- 元のモデルを大きく作り直さず、用途別に調整しやすくなる
特に人物画像では、顔、髪型、服装、ポーズ、背景を一度に指定すると、一部だけ無視されたり、別の部分が変わったりします。Diffusion Controllerが目指しているのは、このような「ひとつ直すと、別のところが崩れる」問題を減らす方向です。
ただし、同じ人物の顔を毎回完全に固定できる技術として発表されたわけではありません。人物の一貫性には、参照画像、人物設定シート、追加学習など別の方法も必要です。
今すぐ使える？料金・日本対応・商用利用は？
2026年10月3日時点で確認できるのは、Google Researchによる研究発表と論文です。一般利用については次のとおりです。
- Geminiでの提供：発表されていません
- 一般ユーザー向けの利用画面：確認できません
- 日本での提供時期：発表されていません
- 料金：発表されていません
- 商用利用条件：一般向けサービスとしての条件は発表されていません
そのため、現時点では「設定をオンにすれば使える」「無料で使える」「商用画像に使える」とは言えません。論文は公開されていますが、一般向け製品の利用条件とは別です。
今回はニュース解説。実機検証ではない
この記事はGoogle Researchの公式発表と論文をもとにしたニュース解説です。筆者がDiffusion Controllerを導入して画像を生成し、LoRAと比較した実機検証ではありません。
今後、一般向けの実装や公式コード、対応サービスが公開された場合は、同じ指示と同じ土台モデルを使い、次の項目を比較する必要があります。
- 指示した物や服装が入るか
- 顔や体の形が崩れないか
- 元の画質を保てるか
- 生成時間と必要なパソコン性能
- LoRAやControlNetより設定が簡単か
関連：生成後の画像を整える方法も進化中
画像を指示どおりに作る研究だけでなく、作った画像を会話から仕上げる動きも進んでいます。AdobeとGeminiの連携についてはこちらで整理しています。
まとめ：期待はできるが、今は研究段階
Diffusion Controllerは、画像生成の途中を小さな制御ネットワークで調整し、指示への一致と画質の両立を目指す技術です。既存モデルを固定したまま追加でき、内部をすべて変更できない環境にも対応する考え方が示されています。
AI画像を使う側から見ると、「指定した内容が抜ける」「指示を強くすると崩れる」という悩みを減らす可能性があります。ただし、今すぐGeminiで使える新機能ではなく、料金や日本対応、商用利用も未発表です。
現時点では将来に期待する研究として見ておき、一般向けの提供や実装が出てから実際の画像で判断するのが正確です。
出典：Google Research「How Diffusion Controller unifies and simplifies AI image generation」（2026年9月29日）、論文「Diffusion Controller: Framework, Algorithms and Parameterization」。本記事の確認日：2026年10月3日。
