MiniMax-H3-Image 2ステップ画像生成 LoRA パッケージ版

コミュニティの作成者が、論文 pDMD(arXiv 2609.35768)で公開された 2 ステップの LoRA(ランク 128、全 50 ブロックのアテンション層およびフィードフォワード層をカバー)を MiniMax-H3-Image 向けに整理しました。元のモデルは固定の 6 ステップスケジュールで蒸留されており、2 ステップでは画像がまだ収束していませんでしたが、この LoRA を統合すると 2 回のノイズ除去で完全な画像を生成でき、ネイティブ解像度は 4096×4096 です。リポジトリには4種類のファイルが提供されています:diffusers キー名の LoRA、ComfyUI キー名の LoRA、LoRA がマージ済みの 40GB の ComfyUI 単一ファイルチェックポイント、および diffusers 形式に変換された公式 transformer です。作成者によると、H200 GPU 1枚で 4096×4096 の解像度において、元のモデルの 6 ステップでは約 25.1 秒、2 ステップでは約 17.4 秒かかります。

元タイトル:akhaliq/minimax-h3-image-pdmd-2step

コミュニティの作成者が、論文 pDMD(arXiv 2609.35768)で公開された 2 ステップの LoRA(ランク 128、全 50 ブロックのアテンション層およびフィードフォワード層をカバー)を MiniMax-H3-Image 向けに整理しました。元のモデルは固定の 6 ステップスケジュールで蒸留されており、2 ステップでは画像がまだ収束していませんでしたが、この LoRA を統合すると 2 回のノイズ除去で完全な画像を生成でき、ネイティブ解像度は 4096×4096 です。リポジトリには4種類のファイルが提供されています:diffusers キー名の LoRA、ComfyUI キー名の LoRA、LoRA がマージ済みの 40GB の ComfyUI 単一ファイルチェックポイント、および diffusers 形式に変換された公式 transformer です。作成者によると、H200 GPU 1枚で 4096×4096 の解像度において、元のモデルの 6 ステップでは約 25.1 秒、2 ステップでは約 17.4 秒かかります。

なぜ重要か 元のモデルは固定の 6 ステップであり、これ以上減らせません。2ステップであれば、入力中にプレビューを表示でき、シードの変更やプロンプトの修正がより迅速になります。さらに、3種類の ComfyUI ワークフローが付属しています

上昇スコア 47 · いいね数 47 · ダウンロード数 17989

理由

  • ComfyUI には2つの方法があります:単一ファイルチェックポイントを直接使用する場合(LoRA ノードは不要)、または公式の Comfy-Org パッケージに 2GB の LoRA を追加する方法で、強度は固定の 1.0 です。作成者は最新の ComfyUI で検証済みであり、キー名はすべて一致すると述べています
  • ディテール強化ワークフローが付属しています:半サイズの 2 ステップでのスケッチ → ピクセル拡大 → 再エンコード → 3 ステップのリサンプリング。初期ノイズを 0.4–0.55 に設定すると構図が保持され、0.7 に設定するとディテールは増えますが、構図がずれる可能性があります
  • デモ Space akhaliq/minimax-h3-image-2step では、入力中に約 1MP のリアルタイムプレビューを確認できます

使い方

  • ComfyUI:minimax_h3_image_pdmd_2step_bf16.safetensors を models/diffusion_models に配置し、テキストエンコーダーと VAE は Comfy-Org/MiniMax-H3-Image のものを使用します。MiniMaxH3SigmaShift で shift_video を 12 に設定し、サンプラーは euler、スケジュールは simple、ステップ数は 2 とします。または、リポジトリの workflows/ フォルダにある既存のワークフローを直接ドラッグ&ドロップしてください
  • diffusers:lora_model_0.safetensors を MiniMaxH3Transformer3DModel にマージできます。scheduler.set_shift(12.0) および set_timesteps(3) を使用し、CFG とネガティブプロンプトは不要です

リスク

  • LoRA 自体は Apache-2.0 ライセンスですが、生成されたコンテンツは依然として MiniMax-H3-Image のコミュニティライセンスの制約を受けます(地域およびクレジット表記に関する条項があります)
  • サンプル画像は P-H3-Image のパイプラインでレンダリングされています。diffusers に新たに統合された公式の MiniMax-H3-Image パイプラインとこの LoRA のキー名が一致するかについて、作成者はまだテストしていないと述べています
  • 量子化された int8_convrot / w4a8 チェックポイントは事前マージができず、LoRA ノード経由でのみ使用可能です。本項目は実行されていません

開く

Hugging Face Trending

最新の AI ニュースを見る