アルゴリズムが生成した偽の画像要素—アップスケーリングとフレーム補間での問題。
アルゴリズムが撮影されていないディテールを生成する — これが現代のアップスケーリングとフレーム補間の根本的な問題です。ハルシネーション（幻覚）は、何百万もの画像で学習したAIモデルが、不完全または曖昧な入力に対して、もっともらしく見えるピクセルを単純に追加することで発生します。コンピューターは、カメラマンがレンズを通して見ていなかったものを「見て」しまうのです。
実際にはこれは常に起こっています。2K素材を4Kにアップスケールすると、背景の家には実際には存在しなかった窓が現れることがあります。フレーム補間 — つまりスローモーションのために中間フレームを計算すること — では、生体力学的に間違った動きのシーケンスが生成されます。手がテーブルの上を動くと、アルゴリズムはぼやけた入力からありえない位置の指を生成します。これは単なるぼかしやノイズではなく、能動的な生成なのです。
その理由はニューラルネットワークの統計的な性質にあります。それらは正確な写像ではなく、確率分布を学習します。モデルにとって情報が低解像度すぎるか曖昧な場合、それは「最も可能性の高い」解を選択します。そして、それはしばしば間違いとしてすぐに気づかれないほどもっともらしいのです。特に、極端なアップスケーリング（4:1以上）、速い動き、または学習データセットでほとんど見られなかった構造では問題が大きくなります。顔のディテール、看板の文字、ガラスの反射 — これらすべてがハルシネーションを起こす可能性があります。
撮影現場や編集では、それを見抜く目が必要です。自動アップスケーリングツールを盲信しないでください。オリジナルと結果を並べて比較し、特に物語上重要でないディテール（そこで生成されたアーティファクトは目立ちにくい）に注意してください。ネイティブで高解像度で撮影する方が、後処理よりも良い結果をもたらすプロジェクトもあります。フレーム補間も同様です。動きの計算がいかに巧妙であっても、オリジナル素材なしでは推測にすぎません。信頼性が重要なクリティカルなショットでは、古典的な補間や再撮影以外に道はありません。