/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Qwen-Image-Edit-2511
Библиотека
diffusers
Опубликована
15 авг 2026

Qwen-Image-Edit-Outfit-2511-SFT

Преобразование изображенийИзображение, текст → изображение3 профессии

Модель редактирует фотографию человека, показывая на нём одежду с предоставленного изображения для виртуальной примерки.

30скачиваний за 30 дней1лайквеса обновлены16 авг 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

Qwen-Image-Edit-Outfit-2511-SFT — полно-параметрическая донастройка модели Qwen/Qwen-Image-Edit-2511, предназначенная для виртуальной примерки одежды. Она принимает фотографию человека и изображение предмета одежды и редактирует снимок, чтобы показать одежду на этом человеке. Обновлялись только веса трансформера DiT; текстовый энкодер, VAE, токенизатор, процессор и планировщик унаследованы от базовой модели. Размер обучаемой части — 20,43 млрд параметров, формат весов — BF16; для запуска предусмотрен пайплайн QwenImageEditPlusPipeline из diffusers.

Модель рассчитана на исследования редактирования изображений и виртуальной примерки одежды. В обучении использовались синтетические пары для редактирования нарядов и изображения VITON-HD. README указывает на возможное изменение деталей одежды и внешности человека, поэтому результаты следует проверять на отдельной выборке. Коммерческое использование запрещено; лицензия указана как other, а README связывает ограничение с некон коммерческими условиями исходных данных и требует атрибуции Qwen-Image-Edit-2511 и VITON-HD/IDM-VTON.

Сценарии применения

  • виртуальная примерка одежды по фото человека и предмета одежды
  • создание изображений образов для онлайн-каталога одежды
  • визуализация одежды на модели для исследования редактирования изображений

Ограничения

Возможны искажения деталей одежды и изменения внешности человека. Коммерческое использование запрещено условиями, связанными с обучающими данными; результаты требуют проверки.

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-Edit-Outfit-2511-SFT

A full-parameter fine-tune of Qwen/Qwen-Image-Edit-2511 for garment / outfit virtual try-on (image editing): given a person photo and a garment photo, the model dresses the person in that outfit.

⚠️ Non-commercial, research use only. See LICENSE. This restriction is inherited from the training data (VITON-HD / IDM-VTON derivatives, CC BY-NC). Do not tag this model Apache-2.0 — the base is Apache-2.0, but the fine-tune carries the upstream NC constraint.

What changed from the base

Only the DiT (transformer) weights were updated via full-parameter SFT. All other components (text encoder, VAE, tokenizer, processor, scheduler) are unchanged from the base Qwen-Image-Edit-2511. So this directory loads exactly like the base model:

from diffusers import QwenImageEditPlusPipeline
import torch
pipe = QwenImageEditPlusPipeline.from_pretrained(
    "lee31221/Qwen-Image-Edit-Outfit-2511-SFT", torch_dtype=torch.bfloat16
).to("cuda")

Training summary

BaseQwen/Qwen-Image-Edit-2511 (Apache-2.0)
TrainableDiT only (20.43B params, BF16)
OptimizerAdamW, lr 1e-5, weight_decay 0.01
Schedule1 epoch, grad_accum 1, gradient checkpointing on
Data~11,415 outfit-edit pairs; prompt ≈ 1592 chars (full-text v2 template)
Inputsimage=person, edit_image=garment (condition)
Compute8× NVIDIA H100 80GB, DeepSpeed ZeRO-3, bf16
Wall-clock2h22m for 1427 steps (06:41 → 09:03, +08:00)
Throughput~5.87 s/it, ~1.36 samples/s
Peak VRAM74.8 GB / GPU (91.7% of 80 GB), 8-GPU balance < 0.9% spread
Loss0.029 → 0.024 (window mean ↓ 23.7% over training)
FrameworkDiffSynth-Studio + Accelerate + DeepSpeed (torch 2.6.0+cu124)

Loss curve was logged to TensorBoard (1427 scalar points). See the run report in the source repository for a full breakdown (memory economics, per-GPU balance, loss noise analysis).

Training data & attribution

AssetSourceLicense
Base model (DiT, text encoder, VAE, tokenizer, processor, scheduler)Qwen/Qwen-Image-Edit-2511Apache-2.0
Synthetic outfit-edit training pairslee31221/Outfit_Qwen-Image-Edit-2511_in_Klingderived; non-commercial
Underlying person/garment imagesVITON-HDCC BY-NC 4.0
Teacher pipeline (derivative)IDM-VTONCC BY-NC-SA 4.0
Training frameworkDiffSynth-StudioApache-2.0

If you use this model, please attribute Qwen-Image-Edit-2511 and VITON-HD / IDM-VTON.

License

Non-Commercial Research Use only — see LICENSE and NOTICE.md. Commercial use is prohibited. This is stricter than the base model's Apache-2.0, because the fine-tune was trained on CC BY-NC derivatives.

Intended use & limitations

  • Intended: academic research on image editing / virtual try-on.
  • Not intended: any commercial product, service, or paid feature; generating non-consensual depictions of real people.
  • Like all diffusion editors, outputs can be imperfect (garment detail drift, identity changes). Validate on a held-out test set before drawing conclusions.

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Ревизия весов
fba8ad2

0 моделей