画像生成AIの基礎
インペインティングとは（マスクで指定した部分を作り直す画像編集）
インペインティングは、生成AIパスポートの公式シラバスで、画像生成AIの詳細キーワードに載る語です。インペインティングは、画像のマスクされた領域を、新しい内容で埋める作業です。
このページは、原論文とOpenAIの公式文書、公式シラバスの範囲で、定義、マスクによる範囲の指定、拡散モデルとのつながり、出る章を整理しています。
公式情報の確認
試験日、料金、申込条件、試験方式など変動する情報は、公式情報を最終確認してください。 当サイトの一次情報確認日: 2026-08-31。
試験の出題範囲・実施要項は変動するため、受験前に公式情報を確認してください。
結論
- インペインティングは、画像のマスクされた領域を新しい内容で埋める作業
- 目的は、壊れた部分を直すこと、または不要な内容を置き換えること
- 編集する範囲はマスクで示す。ただしマスクの形を完全な精度で守るとは限らない
- 潜在拡散モデルはインペインティングで最高水準を報告した方式。シラバスでは画像生成AIの項に、電子透かしやC2PAと並ぶ
インペインティングの定義
潜在拡散モデルの論文は、インペインティングを、画像のマスクされた領域を新しい内容で埋める作業と説明します。その理由は2通りで、画像の一部が破損しているか、画像内にある望ましくない内容を置き換えたいかのどちらかです。
| 目的 | 内容 |
|---|---|
| 壊れた部分を直す | 画像の一部が破損しているとき、その領域を新しい内容で埋める |
| 不要な内容を置き換える | 画像の中にある、既存だが望ましくない内容を、新しい内容で置き換える |
設問では「元の画像があり、一部の領域だけを新しい内容にする」という説明があれば、インペインティングを疑います。文章だけから画像全体を作る場合は、入力に元の画像もマスクもありません。ここが見分けの手掛かりです。
一次資料: Rombach et al.「High-Resolution Image Synthesis with Latent Diffusion Models」（arXiv 2112.10752、CVPR 2022）
マスクで編集する範囲を指定する
OpenAIの画像生成ガイドは、マスクを渡すことで、画像のどの部分を編集するかを示せると説明しています。GPT Imageでマスクを使うときの扱いは、次のとおりです。
| 項目 | 内容 |
|---|---|
| 編集する箇所の示し方 | マスクで、画像のどの部分を編集するかを示す |
| マスクの形の扱い | GPT Imageではマスクはプロンプトにもとづく指示として使われ、形を完全な精度で守らないことがある |
| マスク画像の条件 | アルファチャンネル（透明度の情報）を含む必要がある |
| 入力画像が複数あるとき | マスクは最初の画像に適用される |
マスクは「ここだけ編集してほしい」という指示で、形を完全に守る保証ではありません。仕事で使うときは、編集してほしくない部分まで変わっていないかを、出力を見て確かめます。確認の考え方はAI出力の検証に整理しています。
一次資料: OpenAI「Image generation」（platform.openai.com/docs/guides/image-generation）。上の表は2026-10-24時点の記載です。
拡散モデルとのつながり
潜在拡散モデルの論文は、この方式がインペインティングで新たな最高水準を達成し、無条件の画像生成、意味的なシーン合成、超解像など、さまざまな作業でも高い性能を示したと報告しています。インペインティングは「作業の名前」、拡散モデルは「その作業を実現する方式の一つ」と分けて覚えると、設問の選択肢を取り違えません。
拡散モデルがノイズをどう扱うかは、拡散モデルの解説に、拡散過程と逆拡散過程を分けて書いています。
設問と仕事での見分け方
インペインティングは、入力に何があるかで、画像全体を作る生成と見分けられます。次の表は、定義と公式文書の記載から整理した見分け方です。
| 場面 | 入力 | 手掛かりになる語 |
|---|---|---|
| 文章から画像全体を作る | 文章（プロンプト）だけ | 元の画像もマスクも出てこない |
| インペインティング | 元の画像と、編集する領域を示すマスク | マスクされた領域、一部を新しい内容で埋める、不要な内容の置き換え |
| 編集後の画像の出所を示す | 編集した画像と、その履歴の情報 | 来歴情報、C2PA（出所と編集の履歴を示す標準） |
仕事で画像の一部を置き換えるときは、2つの点を確かめます。1つ目は、編集してほしくない部分が変わっていないかです。マスクの形が守られない場合があるためです。2つ目は、置き換えた内容が他人の権利に触れないかです。人物の画像を扱うなら、肖像権とパブリシティ権の整理も合わせて読んでください。
シラバスのどこに出るか
2027年2月試験から適用される公式シラバスでは、次の1か所にインペインティングが載っています。
| 場所 | 内容 |
|---|---|
| 第2章 中項目「各モダリティの生成AI」の学習項目「画像生成AI」 | 詳細キーワードに画像生成AI、インペインティング、電子透かし、来歴情報、C2PAが並ぶ |
同じ項目に並ぶ電子透かし、来歴情報、C2PAは、画像の出所や編集の履歴を示す仕組みの語です。編集した画像の履歴をどう示すかはC2PAの解説を読んでください。章立ての変更は2027年2月試験の新シラバスに整理しています。試験での出題を予想するものではありません。
よくある質問
インペインティングとは、一言でいうと何ですか？
画像のマスクされた領域を、新しい内容で埋める作業です。潜在拡散モデルの論文は、画像の一部が破損している場合や、画像内の既存だが不要な内容を置き換えたい場合に行う、と説明しています。
インペインティングは、画像をゼロから作る生成と何が違いますか？
インペインティングは、元の画像があり、マスクで示した領域を作り直す編集です。文章から画像全体を作る場合とは、入力に元の画像とマスクが加わる点で区別できます。
マスクで囲んだ形どおりに、必ず編集されますか？
必ずではありません。OpenAIの公式文書は、GPT Imageのマスクはプロンプトにもとづく指示で、モデルはマスクを手掛かりにするものの、形を完全な精度では守らないことがあると述べています。仕上がりは目で確かめる必要があります。
インペインティングは、拡散モデルと関係がありますか？
関係があります。潜在拡散モデルの論文は、この方式がインペインティングで新たな最高水準を達成したと報告しています。ただし、インペインティングは作業の名前で、拡散モデルは、その作業を実現する方式の一つです。
インペインティングは、必ず試験に出ますか？
出題を予想するものではありません。公式シラバスの詳細キーワードに載っている語なので、定義と「マスクで範囲を指定する編集」という特徴を押さえておけば足ります。
