Qwen-Image-2.1 の生成を 5 段階で済ませる LoRA、推論の高速化

モデル

Qwen-Image-2.1 の生成を 5 段階で済ませる LoRA、推論の高速化

スポンサーリンク

Pruna-Qwen-Image-2.1が、5 または 8 段階で画像を生成・編集する LoRA として公開。

この記事のポイント

  • Qwen-Image-2.1の画像生成を高速化
  • 5または8ステップで推論可能
  • 1K解像度限定、2Kは未保証

どこで使えるか

画像生成を高速化したい人向け。1K解像度で5〜8ステップの推論が可能 Hugging Faceで公開済み CUDA GPUが必要。5/8ステップ用は別ロード

スポンサーリンク

解説

かみくだいて説明します

PrunaAI が 2026-09-23 に Hugging Face 上に公開した「Pruna-Qwen-Image-2.1」は、Qwen-Image-2.1 に重ねて使う LoRA アダプターです。画像の生成や編集を 5 ステップか 8 ステップで完了させられます。
既存のモデルに追加するだけで速度が短縮できるんですね。技術者が現場のパイプラインに組み込むのは簡単ですか。
画像を生成するパイプラインも、テキストを処理するエンコーダー、画像を圧縮する VAE も変更不要です。NVIDIA H100 80GB といった CUDA 対応の GPU が必要で、ベンチマークでは KV cache をオフにした設定で測っています。
中身を変えずに手順だけ減らすわけですね。DMD という手法で訓練したそうですが、それは具体的に何をするものですか。
DMD は長い動画編集を短いショート動画に圧縮するイメージです。本来 40 ステップかかる処理を、5 や 8 といった短いステップ数に置き換える訓練手法で、Qwen 側で改善した部分があります。
なるほど、手順を圧縮する訓練なんですね。v0.1 ということで、今の段階で気になる品質の点はどこですか。
現時点ではベースモデルの画質にはまだ届いていません。知識蒸留の精度を上げる作業中で、新しいバージョンが出次第リポジトリを更新します。
v0.1 で画質がベースに届いていないのは確かに気になりますね。訓練時の解像度は 1K だけなんですね。
訓練は 1K、つまり 1024 × 1024 ドットのみで行っています。2K 解像度や参照画像を 3 枚以上使う編集は訓練範囲外で、品質は保証できません。
では、1K が安全圏なんですね。選べるステップの違いはどんな点ですか。
5 ステップと 8 ステップの 2 種類があり、速度を優先するか画質を優先するかで選びます。どちらも同時に読み込むと動作しないので、用途に応じて切り替えてください。プロンプトは長いほど結果が良くなります。
速度と画質のバランスを自分で選べるんですね。最後に、次期バージョンで何が改善される見込みですか。
知識蒸留の精度をさらに上げる作業を進めており、具体的な日程やベースモデルと同等の画質に達するステップ数については、そこはまだ分かっていません。

出典

この記事のもとになった情報

※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。

スポンサーリンク

-モデル