/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Qwen-Image-2.1
Опубликована
22 сен 2026

QWEN_2.1_HDR_VAE

Генерация изображенийТекст → изображение3 профессии

Дообученный VAE для Qwen-Image-2.1, который кодирует и декодирует RGBA-изображения с усиленным цветовым объёмом и детализацией для HDR-ориентированных конвейеров.

1 679скачиваний за 30 дней10лайковвеса обновлены22 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Felldude/QWEN_2.1_HDR_VAE — дообученный VAE-автоэнкодер для Qwen-Image-2.1, предназначенный для реконструкции изображений с поддержкой RGBA и HDR-ориентированной обработки. Он рассчитан на использование в конвейерах генерации и редактирования изображений, где нужны более широкий цветовой объём, выраженные детали и повышенная энергия градиентов.

Модель основана на VAE Qwen-Image-2.1 с размерностью латентного пространства 64 и пространственным сжатием 16×. Принимает и выдаёт RGBA-тензоры с формой [B, 4, 1, H, W]; для латентов используются собственные latents_mean и latents_std. Обучение и оценка проводились на разрешениях около 512–1024 пикселей, размеры по пространственным осям должны делиться на 16.

По сравнению с базовым VAE модель усиливает цветовой объём, плотность границ и градиенты, намеренно допуская отклонение от исходного изображения по насыщенности и резкости. Она не подходит для архивной реконструкции или сценариев, где важна попиксельная точность; поведение на необычных альфа-масках проверено ограниченно, а высокие разрешения требуют много памяти. Лицензия указана как other, конкретные условия в карточке не раскрыты.

Сценарии применения

  • HDR-ориентированное кодирование и декодирование изображений в пайплайнах Qwen-Image
  • Подготовка латентов для генерации изображений с более насыщенными цветами
  • Редактирование RGBA-изображений с выраженными границами и деталями
  • Эксперименты с автоэнкодерами для изображений с альфа-каналом и широким динамическим диапазоном

Ограничения

Автоэнкодер намеренно меняет резкость, насыщенность и цветовой объём, поэтому не подходит для попиксельно точной или архивной реконструкции. Поведение на необычных альфа-масках ограниченно настроено, а большие разрешения требуют значительных ресурсов памяти.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen Image 2.1 HDR VAE

Fine-tuned Qwen Image 2.1 autoencoder for RGBA / HDR-oriented reconstruction.

The goal is stronger dynamic range, color volume, and detail energy for HDR-style workflows—not perfect fidelity to the source frame.

Eval

Relative to ground truth and compared with base Qwen 2.1 VAE (VAE A):

MetricVAE A (Qwen 2.1 VAE)VAE B (HDR)vs GT
Lab color volume ratio~0.81×~1.34×+34% color volume
Edge density ratio~0.95×~1.50×+50% edge density
Gradient strength ratio~0.97×~1.16×+16% gradient energy
Sharpness ratio~0.96×~1.99×~2× sharpness
Saturation ratio~0.99×~1.20×+20% saturation
SSIM0.9580.944Slightly lower (expected)
PSNR38.1 dB32.0 dBLower (expected)

VAE B deliberately overshoots GT on Lab color volume, edge density, and gradient energy. VAE A stays closer to GT on SSIM/PSNR but compresses color volume and softens detail. That tradeoff is the point of this checkpoint.

Technical notes

  • Base: Qwen Image 2.1 VAE (z_dim=64, 16× spatial compression)
  • Input / output: RGBA, normalized to [-1, 1]
  • Layout: [B, 4, 1, H, W] (single-frame temporal dim)
  • Uses the VAE’s own latents_mean / latents_std (no FLUX/SD 0.18215 scaling)
  • Trained / evaluated around 512–1024 resolution; spatial size should be divisible by 16

Intended use

  • HDR-oriented encode/decode in Qwen Image pipelines
  • Image editing / generation stacks that benefit from punchier latents
  • Research on RGBA + high dynamic range autoencoders

Not intended for: archival reconstruction, metrics-maximizing ablations, or any setting where matching the input pixel-for-pixel matters more than look.

Limitations

  • Will diverge from the source on sharpness, saturation, and color volume by design
  • Alpha is supported; behavior on unusual alpha mattes is not heavily tuned
  • Very large resolutions are memory-heavy (16× latent downscale)

License

See LICENSE (Qwen Research terms).

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории только компонент AutoencoderKLQwenImage21 без пайплайна: подключение такого компонента к базовой модели пока не поддерживается.

Ревизия весов
202a839

0 моделей