ControlNetとは、骨格・輪郭・深度マップなどの構造情報を条件として与え、画像生成AIの出力を精密にコントロールするための拡張モデルのこと。
ControlNetとは（詳しく解説）
ControlNetは2023年にLyumin Zhangらが発表した手法で、Stable Diffusionなどの拡散モデルに「構造的な条件入力」を追加するアダプター型のニューラルネットワーク。ポーズ推定（OpenPose）・エッジ検出（Canny）・深度マップ・法線マップ・セグメンテーションマップなど多様な条件でキャラクターの姿勢やシーン構造を固定しながら、スタイルや色彩はプロンプトで自由に変えられる点が最大の強み。 2026年現在の実運用では、ComfyUI・Automatic1111（WebUI）経由での利用が現場の主流。モデル選定で注意すべきは「ControlNetモデルのバージョンがベースモデルと一致しているか」で、SD1.5用とSDXL用は互換がなく混在するとエラーになるのが典型的な落とし穴。SDXL向けControlNetはSD1.5比でVRAM消費が約2倍になるため、コンシューマーGPU（VRAM 8GB以下）では解像度を下げるか量子化モデルを選ぶ必要がある。 AI PICKSが把握している2026年の相場感では、クラウドAPI（Replicate等）で1枚あたり約$0.01〜$0.05。ローカル運用はGPU初期費用を除けばほぼ無料だが、高品質なSDXL+ControlNetはRTX 4080以上が現実的。ファッション・建築・マンガのキャラ量産など構造の再現性が重要な用途で特に威力を発揮する。
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「ControlNetとは」 https://aipicks.jp/glossary/controlnet
ControlNetの使用例
- OpenPoseで人物の骨格を抽出しControlNetに渡すことで、元写真と同じポーズのイラストキャラを異なるスタイルで大量生成できる。
- 建築パース制作でCannyエッジを条件入力にし、ラフスケッチから完成予想図を自動生成する用途が設計事務所の現場で広がっている。
