Qwen-Image-2.1 TailSteer

TailSteer — дообученная версия Qwen-Image-2.1 на 7,12 млрд параметров для генерации и редактирования изображений. Это полные веса: та же архитектура и API, что у базовой модели, но меньше дрейфа при последовательных правках, когда результат предыдущего шага становится входом следующего.

💡 Ключевые особенности

• 🔄 Снижает накопленный дрейф текстуры при многократных правках, сохраняя лица, одежду и фон.
• 📌 Полные веса, не адаптер: та же архитектура и API; на инференсе не нужны переключение моделей или preservation mask.
• 📎 Поддерживает text-to-image, single-turn editing и multi-image интерфейс с несколькими референсами.
• 📊 На Add & Preserve на 10-м ходу: +1,22 dB PSNR и на 11,5% ниже LPIPS вне области правки.
• ⚠ RISE accuracy ниже базовой модели (20,56 → 18,06), COA тоже чуть ниже; остальные метрики близки.

💻 Пример

from diffusers import QwenImage21Pipeline
import torch
from PIL import Image

pipe = QwenImage21Pipeline.from_pretrained(
    "Lyricccco/Qwen-Image-2.1-TailSteer", torch_dtype=torch.bfloat16,
).to("cuda")
edited = pipe(image=Image.open("input.png").convert("RGB"), prompt="Change the jacket to blue.", num_inference_steps=40, true_cfg_scale=1.0, use_kv_cache=True).images[0]

Подробнее

Add & Preserve, 10 ходов: PSNR@10 16,93 → 18,15; SSIM@10 0,438 → 0,513; LPIPS@10 0,270 → 0,239.
Чекпоинт после 2 000 обновлений, onset 30/40; инференс использует обученную модель на каждом шаге.
Отдельных требований к VRAM в карточке нет — заявлено то же официальное окружение, что у базовой модели.
Лицензия и атрибуция базовой Qwen-Image-2.1 применяются.