最近、インテリアの完成予想図を使って「画像洗浄（洗図）」を行うユーザーが増えています。CGレンダリング特有の質感を消し、iPhoneで撮影したようなリアルな質感に変換したいというニーズですが、Nano Banana 2で生成すると、天井や柱の部分に明らかな二重像（ゴースト）が発生してしまうことがあります。構造線が二重になったり、無地の天井に半透明の「影」が浮かんだりして、まるで画像が二重に印刷されたかのように見えてしまうのです。
これは珍しい現象ではありません。Nano Banana 2で画像編集や画像洗浄といった「画像から画像生成」タスクを行う際、二重像や重なりは非常に頻繁に発生する問題です。その背景には、モデル自身の特性だけでなく、プロンプトや使用方法といった要因も関係しています。本記事では、Nano Banana 2における画像洗浄時の二重像・重なりの原因を徹底的に解明し、すぐに実践できるトラブルシューティングと修正手順を解説します。
Nano Banana 2で画像が二重になる理由：ゴーストが発生する仕組み
「画像洗浄」とは、CGレンダリング画像や完成予想図を、AIを使ってより実際のカメラで撮影したような質感に変換することを指します。インテリアデザイン、EC、建築ビジュアライゼーションなどの業界でよく見られる手法です。これは本質的に、大規模な「画像から画像生成」の書き換え作業です。元の画像の構造やレイアウトを維持しつつ、レンダリング特有の光影や材質を置き換える必要があるため、「維持」と「置き換え」という相反する特性が、通常の生成よりも二重像が発生しやすい根本的な理由となっています。
二重像を解決するには、まずAIによる画像編集の基礎ロジックを理解する必要があります。Nano Banana 2のような画像モデルは、画像洗浄を行う際、Photoshopのように元のピクセルを直接修正するのではなく、元の画像を理解した上で「描き直す」というプロセスを経ます。画面内の特定の領域に対する構造の判断が不確かな場合、学習済みの「生成先験（Prior）」を使って内容を補完しようとします。
問題はまさにここにあります。元の画像に広い無地領域（インテリアの天井など）がある場合や、構造の境界情報が不足している場合、モデルは「もっともらしいが誤った」内容を補完しがちです。空白であるべき場所に半透明の輪郭を生成したり、柱の縁を二重に描画したりします。これが二重像や重なりの直接的な原因です。
添付の事例は非常に典型的です。天井は広い無地であるため、モデルは「キャンバスを埋めよう」として、空白部分に灰色の霧のようなゴーストを生成してしまいます。一方、柱と梁の境界は重要な構造境界ですが、モデルがその位置を誤認したために、二重の縁が描画されてしまいました。このような問題を素早く再現・検証したい場合は、APIYIのオンラインテストツール「imagen.apiyi.com」に同じ画像をアップロードし、繰り返し比較・観察してみてください。
Nano Banana 2 の二重影・ゴースト現象：5つの主な原因と対策
原理を理解したところで、実際に発生する二重影やゴースト現象を5つの主な原因に分類しました。以下の表を参考に、まずはご自身の状況がどれに当てはまるかを確認し、対策を講じてみてください。多くの場合、二重影は単一の原因ではなく、複数の要因が重なって発生します。
| 原因 | 特徴的な現象 | なぜそうなるのか | 優先的な対策 |
|---|---|---|---|
| 空白領域の塗りつぶしハルシネーション | 無地の天井や壁にゴーストが浮かぶ | モデルが「キャンバスを埋める」よう学習されているため | 空白領域は純粋な状態を保つよう明示する |
| 構造境界の補完 | 柱、梁、ドア枠に二重線が出る | 境界情報が不足し、モデルがずれて再描画するため | 元の構造を正確に維持するよう強調する |
| 解像度の不一致 | 画像全体に繰り返しやタイルの模様が出る | ネイティブ解像度を超えて無理にタイル状に生成するため | モデルのネイティブ解像度に近いサイズで生成する |
| 多段階編集による劣化 | 編集を繰り返すほどぼやけ、重なる | 元画像ではなく、前回の出力結果を編集しているため | 元画像に戻り、一度で修正を行う |
| モデル品質の変動 | 同じ画像・プロンプトでも結果が安定しない | 公式の計算リソース調整による品質低下 | モデルを変更するか、時間を置いて再試行する |
特に最後の項目について補足します。最近のサードパーティによる評価やコミュニティのフィードバックによると、Nano Bananaシリーズは計算リソースが逼迫している際、サービスの可用性を維持するために「品質の低下」が発生することがあります。同じ画像、同じプロンプトでも、ある時は正常に生成され、ある時は二重影が発生するといった現象です。これは公式側の変動によるものであり、ユーザー側でプロンプトを調整しても完全には解消できない場合があります。このような場合は、別のモデルを試す方が効率的です。
プロンプトが二重影を生んでいる可能性
多くの人が気づいていませんが、画像の修正や二重影の発生は、プロンプト自体が原因となっていることがあります。先ほどのユーザーの元のプロンプトを見ると、問題は明らかです。矛盾する指示が同時に含まれています。
CGレンダリングの痕跡を消去し、iPhoneで撮影したような未加工の質感に変換してください。参照画像のデザイン構造、家具の配置、素材の使用、構図を100%再現し、変更や追加は行わないでください。参照画像の光と影は無視し、純粋な昼間の光で再ライティングしてください。画面内の素材の質感は無視し、強い明暗差のある雰囲気に調整し、素材の反射とハイライトの質感を強調してください。
この文章には、真っ向から対立する2つの要求が混在しています。「素材の使用を100%再現し、変更や追加は行わない」という要求と、「素材の質感を無視し、反射とハイライトを強調する」という要求。また、「デザイン構造を100%再現」したい一方で、「再ライティングし、強い明暗差をつける」という要求もあります。モデルは「変更しない」ことと「大幅に書き換える」ことの間で揺れ動き、その結果、構造の境界線で二重影が発生しやすくなります。元の境界線を残そうとする力と、新しい境界線を描こうとする力が同時に働き、両方が描画されてしまうのです。
以下の表は、矛盾点を分解したものです。モデルがどこで「迷っている」のかが理解できるはずです。プロンプト改善の鍵は、こうした自己矛盾を解消することにあります。
| プロンプトの意図 | 衝突する指示 | モデルが迷う結果 |
|---|---|---|
| 再現 vs 素材の書き換え | 「素材を100%再現」+「質感を無視し反射を強調」 | 素材の境界に二重影が発生 |
| 再現 vs 再ライティング | 「構造を100%再現」+「再ライティングし強い明暗」 | 構造線が二重に描画される |
| CG除去 vs 質感追加 | 「レンダリング痕跡の除去」+「ハイライト反射の強調」 | ハイライト領域にゴーストが発生 |
より良い書き方は、「保持する部分」と「変更する部分」の境界を明確にすることです。構図や家具の配置など、絶対に動かしてはいけない要素を明示し、光の雰囲気など変更を許可する要素と分け、さらにネガティブな制約を加えます。例えば、「すべての構造の境界を明確かつ単一に保ち、繰り返し、二重影、または半透明の輪郭を生成してはならない」といった一文を加えることは、二重影の抑制に非常に効果的です。プロンプトを作成した後は、imagen.apiyi.com で複数のバージョンを試して比較してみてください。
なぜ同じ画像とプロンプトでも、他のプラットフォームでは正常なのか？
あるユーザーから非常に重要な質問をいただきました。「同じ画像、同じプロンプトを使っているのに、なぜ特定のAgentプラットフォームでは正常に生成されるのに、ここ（APIYI）では二重写し（ゴースト）になるのか？」と。これはモデルのバージョンの違いではなく、「プロンプトがそのままモデルに渡されているか、途中で加工されているか」という違いによるものです。
エンドユーザー向けのAgentプラットフォームの多くは、バックグラウンドで「プロンプトの最適化」を行っています。自動的な書き換え、拡張、ネガティブプロンプトの追加、さらには矛盾する指示の分解まで行います。一方、純粋なAPI中継サービス（APIYIを含む）は、「送信した内容がそのままモデルに届く」という原則に従っています。プロンプトを勝手に改変しないことで、呼び出し結果の再現性と制御性を担保しているのです。そのため、矛盾を含むプロンプトであっても、自動最適化を行うプラットフォームでは「修正」されて正常に見えますが、純粋な転送経路ではそのままの状態で二重写しが発生してしまいます。
検証方法は非常に簡単です。同じ画像とプロンプトを gemini.google.com のウェブ版で試してみてください。もしウェブ版でも二重写しが発生するなら、それはモデル自体の問題であり、中継プラットフォームとは無関係です。先ほどのユーザーが実測したところ、ウェブ版でも同様に二重写しが再現されたため、問題はモデル側とプロンプト側にあることが証明されました。
| 使用環境 | プロンプトの自動改変 | 二重写しの発生 | 判断基準 |
|---|---|---|---|
| 一部のAgentプラットフォーム | 自動最適化あり | 発生しにくい | プロンプト調整をしたくないユーザー向け |
| 純粋なAPI中継（APIYI） | そのまま転送 | プロンプト次第 | 再現性と制御性を求める開発者向け |
| gemini.google.com ウェブ版 | 基本そのまま | 再現すればモデルの問題 | 問題の切り分け用 |
私たちが APIYI apiyi.com を制御可能な比較基準として推奨する理由はここにあります。入力内容を勝手に改変しないため、プロンプトの問題なのかモデルの問題なのかを明確に判断し、適切な対策を講じることができるからです。
開発者にとって、この「再現性」は特に重要です。もしプラットフォームが知らないうちにプロンプトを書き換えていれば、今日調整してうまくいった結果が、明日のプラットフォーム側の戦略変更によって崩れてしまい、オンラインでの大量生成が制御不能になる恐れがあります。純粋なAPI中継の利点は、制御権を完全にユーザーの手に戻せることです。プラットフォームのような「自動最適化」の効果が欲しい場合でも、自分でプロンプト内にネガティブプロンプトや構造の固定を記述すれば、最適化の恩恵を維持しつつ、結果の安定性と制御性を確保できます。
Nano Banana 2 の二重写し修復：4ステップで素早く解決
原因を特定できれば、修復は簡単です。以下の4ステップの手順に従えば、ほとんどの二重写しは解決、あるいは大幅に改善されます。
🎯 クイックスタートのヒント: まずは第1、2ステップでプロンプトの調整と解像度の制御を行いましょう。これはコストがかからず、最も効果的です。それでも二重写しが消えない場合は、第3ステップのモデル変更を試してください。APIYI apiyi.com プラットフォームで統一インターフェースを使い、Nano Banana 2、Nano Banana Pro、gpt-image-2 を順番にテストすることをお勧めします。同じコードで簡単に切り替えて比較できます。
第1ステップは、矛盾するプロンプトの排除です。「そのまま維持」と「変更を許可」する対象を明確に分け、競合する指示を削除します。また、重複、二重写し、半透明の輪郭を禁止する明確なネガティブプロンプトを追加してください。第2ステップは、元の解像度に近い状態で生成することです。最初から4Kなどの高解像度を求めると、元画像との差が大きくなり、タイル状の二重写しを誘発しやすくなります。
第3ステップは、モデルを切り替えての比較です。Nano Banana 2 で二重写しがひどい場合、構造理解力が高く境界線が安定している Nano Banana Pro を使うと改善することがよくあります。構造の詳細を厳密に再現したい場合は、gpt-image-2 の高忠実度モードも試す価値があります。第4ステップは、部分的な修正です。一部にのみ二重写しがある場合は、インペインティング（部分再描画）機能を使って問題箇所だけを囲んで再生成する方が、全体を再生成するよりも効率的で制御しやすくなります。
モデルの選び方については、以下の表に3つの主要モデルの特性をまとめました。ニーズに合わせて切り替えてください。なお、これは一般的な特性に基づくアドバイスであり、個別の画像については実測結果を優先してください。
| モデル | 二重写しの傾向 | 主な強み | 適用シーン |
|---|---|---|---|
| Nano Banana 2 | 負荷変動時に発生しやすい | 高速、低コスト | 素早い試行錯誤、大量生成 |
| Nano Banana Pro | 構造が安定、二重写しが少ない | 構造理解力が高い、4K対応 | 複雑な構造、高解像度が必要な場合 |
| gpt-image-2 | 境界が安定、制御性が高い | 推論の忠実度、3段階の品質 | 厳密な再現、コスト管理が必要な場合 |
実際の運用では、代表的な「難易度の高い画像」を1枚「ベンチマーク画像」として固定し、同じプロンプトでこれら3つのモデルで数パターンずつ生成し、二重写しが最も少なく構造が正確なものをメインモデルに設定することをお勧めします。この比較作業は、APIYI apiyi.com の統一インターフェースを使えば非常に軽量に行えます。model パラメータを書き換えるだけで済み、モデルごとに個別の実装を行う必要はありません。
以下は、APIYIの統一インターフェースを使用して異なるモデルを切り替えて比較するシンプルな例です。base_url を https://api.apiyi.com/v1 に設定するだけです。
from openai import OpenAI
client = OpenAI(
api_key="YOUR_APIYI_KEY",
base_url="https://api.apiyi.com/v1" # APIYI統一インターフェース、1行でモデル切り替え可能
)
# 二重写しがひどい場合、modelを以下の3つに順番に入れ替えて効果を比較
for m in ["nano-banana-2", "nano-banana-pro", "gpt-image-2"]:
result = client.images.edit(
model=m,
image=open("room.png", "rb"),
prompt="構図と家具の配置は維持し、照明のみを昼間のシーンに変更してください。"
"すべての構造の境界を明確かつ単一にし、重複、二重写し、半透明の輪郭を禁止する",
)
print(m, "完了")
よくある質問（FAQ）
Q：Nano Banana 2 で画像生成を行うと二重像（ゴースト）が発生します。操作ミスでしょうか、それともモデルの問題でしょうか？
両方の可能性があります。まずはプロンプトに矛盾する指示がないか、解像度が高すぎないかを確認してください。これらを確認しても二重像が発生し、かつ gemini.google.com のウェブ版でも同様の現象が再現される場合は、モデル側の問題です。その際は、Nano Banana Pro や gpt-image-2 に切り替える方が効果的です。
Q：なぜ同じ画像なのに、今回は正常で次は二重像になるのですか？
これは通常、公式の計算リソース調整期間における品質の揺らぎであり、公式側の問題であるため、ユーザー側で根本的に解決するのは困難です。時間をずらして再試行するか、APIYI (apiyi.com) でより安定したモデルに切り替えて生成することをお勧めします。
Q：ネガティブプロンプトを追加すれば、二重像は本当に減りますか？
効果はありますが、万能ではありません。「構造の境界を単一に保ち、重複、二重像、半透明の輪郭を禁止する」と明確に記述すれば、モデルが境界部分を補完する確率を下げられます。しかし、プロンプト自体に「忠実な再現」と「改変」という矛盾が含まれている場合、ネガティブプロンプトだけでは解決できないため、まずは矛盾を解消する必要があります。
Q：Nano Banana Pro は、Nano Banana 2 よりも二重像が発生しにくいですか？
必ずしもそうとは限りません。Pro は構造の理解において通常は安定していますが、すべてのシーンで優れているわけではなく、場合によっては使いにくいこともあります。最も確実な方法は、同じ素材セットを使用して APIYI (imagen.apiyi.com) で複数のモデルを試し、実測結果に基づいて判断することです。
Q：二重像の修正には、部分再描画（インペインティング）と画像全体の再生成のどちらが適していますか？
二重像が狭い範囲（特定の柱など）に集中している場合は、部分再描画の方がコストが低く、制御もしやすいです。画像全体にわたってゴーストが発生している場合は、プロンプトや解像度に根本的な問題がある可能性があるため、プロンプトを修正してから全体を再生成することをお勧めします。
Q：生成前に元画像を前処理すると、二重像を減らせますか？
一定の効果があります。元画像をモデルのネイティブな比率に近づけ、過度な純色の余白を避け、構造の境界を明確かつシャープに保つことで、モデルが勝手に補完する余地を減らすことができます。前処理とプロンプトでの構造固定を組み合わせるのが、単独で行うよりも効果的です。APIYI (imagen.apiyi.com) で、前処理の有無による画像をそれぞれ生成して比較すると、違いが明確になります。
まとめ
Nano Banana 2 での画像生成において二重像が発生する本質的な原因は、モデルが「構造情報の不足」や「純色の空白領域」に対して生成時の事前知識で補完しようとする際に、矛盾するプロンプト、不適切な解像度、複数回の生成による劣化、公式の計算リソースの変動などが重なることにあります。これら5つの要因を理解することで、「なぜ二重像になるのか」という疑問から「どう修正すればよいか」という解決策へステップアップできます。
修正のプロセスは明確です。まずは矛盾するプロンプトを排除してネガティブプロンプトを追加し、次にネイティブな解像度に近い設定で生成します。それでも解決しない場合はモデルを切り替えて比較し、最後に部分再描画で仕上げます。APIYI (apiyi.com) を制御可能な比較基準として活用し、統一されたインターフェースで Nano Banana 2、Nano Banana Pro、gpt-image-2 を素早く切り替えながら、手元の画像に最適なソリューションを見つけることをお勧めします。
本記事は APIYI 技術チームによって作成されました。APIYI (apiyi.com) は、Nano Banana や gpt-image-2 など、複数の主要な画像生成モデルの統一インターフェースを提供しています。プロンプトをそのまま引き継ぎ、1行のコードでモデルを切り替えられるため、問題の切り分けや効果の比較、安定した画像生成に最適です。
