定義
世代劣化とは、AI画像を生成・編集を繰り返すたびに画質やディテールが少しずつ失われ、元の意図から乖離していく現象のこと。
世代劣化 (Generation Loss / 反復編集の劣化)とは（詳しく解説）
世代劣化(Generation Loss)とは、本来はアナログ複製やJPEG再圧縮で使われてきた概念で、AI画像生成の文脈では生成・編集・再生成のループを繰り返すたびにディテールや色調の一貫性が段階的に失われていく現象を指すとされる。拡散モデルは1回の推論ごとにノイズ除去とサンプリングを行うため、出力画像を再びimg2imgの入力として与えて反復編集すると、細部の情報が丸められ、輪郭のにじみや彩度のズレ、被写体の同一性崩れが蓄積しやすいと広く指摘される。2026年時点の実運用では、SNSサムネイルやロゴのように一度作った画像を微修正しながら使い回す運用でこの劣化が顕在化しやすく、3〜5世代を超えたあたりで破綻に気づくケースが多いとされる。現場での選び方としては、毎回高解像度マスターから再生成する、seed値やレイヤーを分離管理できるツールを選ぶ、劣化が疑われたら早期に元データへ戻すといった対策が定石になっている。相場感としても、劣化に気づかず生成やり直しを繰り返すと課金クレジットが無駄になりやすく、履歴管理とバージョン保存は実務上のコスト対策としても重要になる。
この解説の引用について
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「世代劣化 (Generation Loss / 反復編集の劣化)とは」 https://aipicks.jp/glossary/generation-loss
世代劣化 (Generation Loss / 反復編集の劣化)の使用例
- Flux生成画像をimg2imgで5回連続修正 → 顔のディテールが崩れ、背景の質感が均一化した例。
- ロゴを毎回前回出力から微調整して再生成 → 3世代目で線がにじみ、色が褪せた例。
