Reprise

Reprise — あらゆるフラットな AI デザインを編集可能なレイヤーに戻す

AI で素晴らしいデザインを作成しました。その後、文字をひとつ変更しようとしたものの、フラットな PNG だったため変更できませんでした。

Reprise は、完成したフラットな AI デザイン（ChatGPT ／ Midjourney ／ Claude など）を編集可能なレイヤーに戻し、ビット単位で完全に再構築します。また、測定した忠実度スコアも返すため、再現性についての主張を鵜呑みにせず、実際に検証できます。再現処理はローカルで無料で実行できます。その後は、ひとつのデザインをリミックスして、キャンペーン全体に展開できます。

エージェント向けにも構築されています。このリポジトリはリモート MCP サーバーなので、Claude ／ Cursor ／あらゆる MCP クライアントから reproduce ／ autodetect ／ diagnose を直接呼び出せます。

---

今すぐ試す（登録不要）

ブラウザー： https://tepesama-reprise-mcp.hf.space/ を開き、→ 「Try it」タブ → フラットなデザインをドロップします（またはサンプルをクリックします）。レイヤーに戻された画像と、忠実度スコアが表示されます。

エージェントから利用（MCP）：

claude mcp add --transport http reprise https://tepesama-reprise-mcp.hf.space/gradio_api/mcp/http

エンドポイント：/gradio_api/mcp/http（ストリーミング可能な HTTP） · /gradio_api/mcp/sse（SSE） · /gradio_api/mcp/schema 公式 MCP レジストリに design.reprise/reprise として掲載されています。

ツール

ツール	機能
reproduce(image)	フラットなデザインを編集可能なレイヤーに戻し、ビット単位で完全に再現します。忠実度スコア（MAE ／ PSNR ／完全一致率（%）／余分なピクセル数）を返します。
autodetect(image)	デザイン内の要素（被写体とテキスト）を相対バウンディングボックスとして検出します。
diagnose(original, reproduction)	再現画像がオリジナルとどれほど忠実に一致しているかをスコア化します。

image は http(s) URL または base64 データ URL です。

仕組み

画像を再生成するようモデルに依頼する方法（その場合、結果がずれてしまい、元と同じ状態には戻りません）とは異なり、Reprise は元のピクセルを保持します。

1. デザイン内の要素を検出します。
2. 各要素を取り出し、それぞれ独立した透明レイヤーに配置します。
3. 隙間をインペイントして、きれいな背景の「プレート」を作成します。
4. ロスレスで再合成します。変更されていない領域は元のピクセルそのものなので、再構築結果はビット単位で完全です（MAE 0.00、余分なピクセル 0 個）。diagnose はそのスコアを返すため、確認できます。

レイヤー化した後は、コピーや色を差し替え、レイアウトを固定したまま、ブランドイメージに沿ったバリエーションを大量に作成できます。

誠実さを大切にした設計

• 再現結果と、編集されていないレイヤーはビット単位で完全です（MAE 0.00）。
• 領域を編集（被写体の差し替え、製品の変更など）すると、その領域は新たに生成されます。ピクセル単位で同一にはなりません。過大な主張をしないよう、すべてを測定しています。
• 要素の自動検出は v1 です（rembg + OpenCV）。小さなテキストを見落とす場合があります。手動の要素マップにも対応しています。
• 現在のエクスポート形式はレイヤー化された SVG + 透明 PNGです（PSD エクスポートには未対応です）。

このリポジトリについて

これは Reprise の公開 MCP ラッパーです（app.py は薄いサーバー層です）。再現エンジン自体はプロプライエタリで、ビルド時に非公開で読み込まれるため、ここには含まれていません。ラッパーは透明性を確保し、MCP インターフェースを安心して利用できるよう、オープンに公開されています。

• 製品と早期アクセス：https://reprise.design
• ライブデモ／MCP ホスト：https://tepesama-reprise-mcp.hf.space/

正常に処理できない画像を見つけた場合は、その画像を添えて Issue を作成してください。自動検出の強化（SAM2 クラスを目指すこと）が、ロードマップの最優先事項です。