TailSteer は Qwen-Image-2.1 の最終学習段階であり、作者はベースモデルの生成・編集能力をほぼ維持しつつ、前回の出力を次回の入力として使用した際に蓄積されるテクスチャのドリフトを軽減すると述べています。Add & Preserve 評価の第 10 ラウンドにおいて、編集領域以外の PSNR が 1.22 dB 向上し、LPIPS が 11.5% 低下しました。リポジトリには完全な重みが含まれており、アーキテクチャと読み込み方法は公式と同一で、モデル ID の変更のみで利用可能です。ComfyUI での使用方法も提供されており、評価セットと学習データセットも公開されています。
なぜ重要か 複数回の編集を行う際、各出力を次の入力として使用すると、細部が徐々にぼやけがちですが、このバージョンはこうした蓄積ドリフトの軽減に特化しています。
Hugging Face のいいね数 40 · Hugging Face の上昇スコア 39 · Hugging Face のダウンロード数 141
ライセンス:研究目的のみ · ComfyUI:モデルカードに記載 · VRAM:約 18 GB(推定)
理由
- Hugging Face の any-to-any 上昇ランキングで第 3 位(注目度のみを示す)
- モデルカードには、20 ラウンドの連続編集におけるベースモデルと TailSteer の比較アニメーションおよびすべてのプロンプトが添付されている
使い方
- diffusers では QwenImage21Pipeline.from_pretrained("Lyricccco/Qwen-Image-2.1-TailSteer") を使用し、各ラウンドの出力を次回の入力として渡します。ComfyUI ではモデルカードに従ってベースモデルファイルを置き換えます
リスク
- Qwen の研究用ライセンスを継承しており、商用利用は不可
- 改善数値は作者が独自に構築した評価セットで測定されたもの。パラメータ数は約 7B で、VRAM 要件はベースモデルと同等