К содержимому
Изображения

ovb-b-17500-best-full

автономный пайплайн Qwen-Image-2.1 с вшитой LoRA

2 мин чтенияобновлено

Готовый к работе полный пайплайн QwenImage21Pipeline (7.12B параметров) для редактирования и анализа изображений в формате image-to-image. На вход модель принимает RGB-картинку и текстовую инструкцию, а на выходе строит карту глубины в фиксированной цветовой палитре, выполняет семантическую или инстанс-сегментацию, либо генерирует новое изображение. Релиз от автора gatilin представляет собой объединение базовой модели Melo111/Fusion-C1-KQ0r128-60-40 и LoRA-адаптера (небольшой надстройки над базовой моделью) ovb-i108-b на 17 500 шаге обучения. В отличие от исходного адаптера, здесь веса уже вшиты в основной трансформер, поэтому при запуске не нужно скачивать базу и отдельно подключать надстройку.

Ключевые особенности

  • Полная автономность: включает объединённый Transformer в формате bfloat16, замороженный текстовый энкодер, VAE, токенизатор и планировщик (scheduler).
  • Точное слияние весов: выполнено методом PEFT merge_and_unload(safe_merge=True) по 224 модулям (включая слои внимания to_q, to_k, to_v и img_mlp) для исходного rsLoRA с рангом 64.
  • Универсальный контракт задач: поддерживает визуализацию карт глубины, сегментацию (семантическую, инстанс и по описанию) и генерацию по промпту.
  • Готовность к дообучению: трансформер можно загрузить отдельно как свежую точку инициализации для нового цикла тренировки.

Что можно сделать

  • Строить карты глубины и маски сегментации: подавать на вход RGB-фотографии с инструкциями из проекта open-vision-banana для получения визуализаций.
  • Запускать локально без лишних зависимостей: использовать пайплайн в скриптах на базе diffusers с выгрузкой на CPU (enable_model_cpu_offload) без подгрузки родительских репозиториев.
  • Использовать как базу для файнтюна: извлечь компонент transformer и запустить собственное обучение с нуля без старых состояний оптимизатора.

Пример

import torch
from diffusers import QwenImage21Pipeline

repo = "gatilin/ovb-b-17500-best-full"
pipe = QwenImage21Pipeline.from_pretrained(repo, torch_dtype=torch.bfloat16)
pipe.enable_model_cpu_offload()
ПодробнееПроверка при экспорте: сверены хеши SHA-256 всех файлов, точность загрузки тензоров и формулы слияния LoRA по всем модулям.
Ограничения: полный офлайн-запуск пайплайна и генерация картинок после слияния автором не тестировались (image_inference: false), метрики на бенчмарках заново не замерялись.
Лицензия: действует исследовательская лицензия Qwen (только для исследований и оценки, не для коммерческого использования).
Обсудить Telegram 0 17

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 13 GB · готовые файлы16 GB
  • FP8 / INT8рекомендуемвеса 6.6 GB8.8 GB
  • 4-bitвеса 3.7 GB5.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 3080 · BF16 — от RTX 4090

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # gatilin/ovb-b-17500-best-full
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download gatilin/ovb-b-17500-best-full --local-dir ~/models/ovb-b-17500-best-full
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к ovb-b-17500-best-full
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

Melo111/Fusion-C1-KQ0r128-60-40
  1. Qwen-Image-2.1основа семьи
  2. Fusion-C1-KQ0r128-60-40
  3. ovb-b-17500-best-full

Новые посты про версии Qwen-Image-2.1 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 4Все на Hugging Face

О модели

gatilin/ovb-b-17500-best-full
Автор
gatilin
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

170

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

DeFLOCNet

DeFLOCNet
Изображения

Pixie P32

Pixie P32
Изображения

Add Micro Details

Add Micro Details18+