Qwen-Image-2.1-Anime-Fusal이란 무엇인가요? 알아야 할 모든 것

개요

Qwen-Image-2.1-Anime-Fusal는 공식 Qwen Image 2.1 기본 모델을 위한 애니메이션 중심의 텍스트-투-이미지 및 참조 조건부 이미지-투-이미지 생성을 위한 트랜스포머 전용 LoRA 어댑터 쌍입니다. MicksHF는 커리레이션된 미적 선호도와 캐릭터 시트 참조, 성인 애니메이션 이미지를 포함하여 약 50,000개의 애니메이션 이미지 기록으로 이 어댑터를 학습시켰습니다. 핵심 설정 요구 사항은 Qwen/Qwen-Image-2.1에 정확히 하나의 어댑터(Exact R80 또는 Compressed R48)를 사용하는 것입니다.

; 이들은 동일한 네 단계 업데이트를 다른 저장 형태로 인코딩하며, 둘 다 로드하면 전문화가 두 번 적용됩니다. README에는 매개변수 개수, VRAM 요구 사항, 추론 속도 또는 고정 최대 해상도가 없습니다. 1024×1024 출력을 시연하고 30~40 단계를 권장합니다. 이 모델은 Diffusers 네이티브 LoRA를 사용하며 Diffusers의 QwenImage21Pipeline을 사용합니다.

; 이는 독립적인 체크포인트가 아니며, 번들된 BF16 텍스트 인코더는 별도의 16.3 GiB 파일입니다.

최적 사용 사례

상세한 텍스트 프롬프트로 애니메이션 캐릭터 일러스트 생성. 이 학습은 다양한 애니메이션 스타일, 구도, 구조, 해부학, 캐릭터 상호작용 및 고해상도 출력을 다룹니다. 그 구조화된 프롬프트 형식 덕분에 주제, 외모, 포즈, 표정, 구도, 환경, 조명 및 스타일을 개별적으로 지정할 수 있습니다. 트리거 문구는 fusal style.입니다.

; 예시 파이프라인은 [TASK: TEXT_TO_IMAGE]를 사용합니다.

IP 디자인 시트로부터 참조 조건부 캐릭터 아트 생성. 이 모델은 단일 캐릭터, 다중 참조 및 다중 캐릭터 장면을 포함하여 캐릭터 디자인 시트로부터의 참조-투-이미지 생성을 위해 전용 학습을 받았습니다. 프롬프트는 순서가 지정된 참조에 역할을 할당할 수 있으며; 이미지 순서를 프롬프트와 일치시키고 어떤 이미지가 정체성 또는 기타 시각 정보를 제공하는지 명시할 수 있습니다.

지정된 상호작용을 가진 다중 캐릭터 장면. 훈련 과정에는 캐릭터 간의 상호작용과 다중 캐릭터 참조 장면이 명시적으로 포함되어 있습니다. 따라서 이 어댑터는 프롬프트가 인식 가능한 캐릭터 특징을 유지하면서 의상, 포즈, 구도 또는 환경을 변경해야 할 때 적합합니다. README에는 벤치마크 결과나 정체성 보존에 대한 보장이 제공되지 않으므로, 사용자의 참조 자료 및 장면 복잡도와 비교하여 테스트하십시오.

고해상도 애니메이션 구성. 전용 고해상도 훈련 단계는 네이티브 고해상도 출력과 구조적 안정성을 목표로 합니다. 예시에서는 1024×1024를 사용하지만, README에는 최대 해상도를 명시하거나 비교 측정치를 제공하지 않습니다. 따라서 1024×1024는 확인된 상한선이나 품질 보증이 아닌 문서화된 시작점으로 간주해야 합니다.

성인 애니메이션 일러스트레이션. README에 따르면, 이 모델은 NSFW(Not Safe For Work) 애니메이션 이미지 생성을 위해 전용 훈련을 받았으며, 프롬프트 초반부에 콘텐츠 클래스를 선언할 것을 권장합니다. 예를 들어 [Content] R18; fictional adult character(s); consensual adult scene.과 같이 작성하는 것입니다.

저장소에서는 이 모델을 “성인 및 연구용으로만”이라고 라벨링하고 있습니다. 이 진술은 완전한 라이선스나 사용 정책이 아니므로, 배포 전에 해당 약관을 검토하십시오.

한계점 (Limitations)

이것은 어댑터(adapter)이며 완전한 이미지 생성 모델이 아닙니다. 공식 Qwen Image 2.1 기본 모델과 그 VAE, 프로세서, 토크나이저가 필요합니다. README는 훈련에 가장 근접한 매칭을 위해 번들된 BF16 Heretic 텍스트 인코더를 권장합니다. 스톡 인코더로도 이미지를 생성할 수는 있지만, 훈련 조건부 분포(training conditioning distribution)를 재현하지는 못합니다. 이 인코더 파일은 약 16.3 GiB 크기이므로 상당한 다운로드 및 저장 공간 요구 사항을 추가합니다. README에는 GPU VRAM 필요량, 추론 시간, 처리량 또는 실질적인 배치 크기에 대한 내용이 없으므로, 하드웨어 사양 결정과 지연 시간(latency)은 자체 환경에서 측정해야 합니다.

문서화된 예시는 1024×1024 해상도에서 40개의 추론 단계(inference steps)로 생성되며, 권장 설정은 30~40단계, CFG/true CFG 1.0, LoRA 강도 1.0입니다. 품질 벤치마크, 실패율 분석 또는 최대 해상도는 제공되지 않습니다. 이 모델이 모든 참조 세부 사항을 보존하거나 모든 복잡한 프롬프트를 충족시키지 못할 수 있습니다. README는 학습 목표를 설명할 뿐, 보장된 결과가 아님을 알려드립니다.

Qwen/Qwen-Image-2.1-Turbo와 함께 어댑터(adapters)를 사용하지 마십시오.

: 테스트 결과 의도된 효과 및 품질의 명확한 손실이 보고되었습니다. LoRA는 원래 Base 체크포인트에 대해 학습되었습니다. 저장소의 라이선스는 other로 지정되어 있으며, README에는 상업적 이용 권리를 판단하기에 충분한 정보가 제공되지 않습니다. 이 모델은 성인 및 연구용으로만 사용하도록 의도되었으며 전용 NSFW(Not Safe For Work) 학습을 포함하고 있습니다. 사용 전에 콘텐츠, 동의, 연령 및 배포 요구 사항을 평가하십시오.

비교 방법

제공된 설명에는 비교 가능한 벤치마크 점수, 지연 시간(latency), 또는 가격이 포함되어 있지 않으므로, 이러한 비교는 측정된 품질이나 속도보다는 문서화된 전문화 및 명시된 모델 범위에 초점을 맞춥니다.

• Noct-Q-Anime-Uncensored-Qwen-Image-2.1: 캐릭터 시트(character sheets), 다중 참조 장면으로부터 이미지 생성에 대한 문서화된 학습을 원하고, 정확한 LoRA 파일과 압축된 LoRA 파일 중 선택할 수 있는 경우 Qwen-Image-2.1-Anime-Fusal를 선택하십시오. 대안의 제공된 페이지에는 설명이 없으므로, 사용 가능한 정보만으로는 품질, 속도, 비용 및 참조 이미지 지원 여부를 비교할 수 없습니다.

• qwen-image-2/pro/text-to-image: 애니메이션 전문화가 필요하면 FUSAL을 선택하고, 로컬 Diffusers 또는 ComfyUI 워크플로우에서 Qwen Image 2.1의 LoRA를 사용하십시오. 제공된 설명은 대안을 Qwen Image 2.0 생성 및 편집 모델로 식별합니다. 호스팅되는 text-to-image 엔드포인트를 찾는 사용자에게 적합할 수 있지만, 제공된 정보는 해당 가격, 속도 또는 비교 출력 품질을 확립하지 못합니다.

• ai-comic-factory: 개별 애니메이션 일러스트레이션 및 참조 기반 캐릭터 장면 생성이 필요하고, 해당 모델의 학습 초점이 문서화된 경우 FUSAL을 선택하세요. 대안 모델에 대한 제공 페이지에는 설명이 없으므로, 만화 워크플로우, 출력 품질, 속도 및 비용은 알 수 없습니다.

• Noct-Q-Uncensored-Qwen-Image-2.1: 문서화된 캐릭터 시트 참조 워크플로우가 필요하고, 명시된 압축 오류를 가진 더 작은 어댑터 옵션을 원하는 경우 FUSAL을 선택하세요. 대안 모델에 대한 제공 페이지에는 설명이 없으므로, 품질, 속도 또는 하드웨어 요구 사항을 비교할 증거가 없습니다.

• qwen-image-2-pro: Qwen Image 2.1에서 애니메이션 중심의 생성 및 참조 기반 캐릭터 작업이 필요하면 FUSAL을 선택하세요. 제공된 설명에 따르면 대안 모델은 향상된 텍스트 렌더링, 사실성(realism), 의미론적 준수(semantic adherence), 생성 및 편집을 목표로 하므로, 이러한 범용적인 강점이 FUSAL의 애니메이션 전문화보다 더 중요할 때 선택하세요. 비교 속도나 비용 수치는 제공되지 않았습니다.

고해상도 텍스트-이미지 방식에 대한 광범위한 맥락은 SnapGen: Taming High-Resolution Text-to-Image를 참조하세요. README는 FUSAL이 SnapGen을 사용한다고 주장하거나 직접적인 비교 보고서를 제공하지 않습니다.

기술 사양 (Technical specifications)

Qwen-Image-2.1-Anime-Fusal

공식 Qwen Image 2.1 기본 모델의 트랜스포머(Transformer)에 두 개의 통합된, 알파가 제거된 LoRA를 배포합니다. 저장소는 중복되는 완전히 병합된 트랜스포머를 배포하지 않습니다. 두 어댑터 모두 동일한 네 단계 학습 업데이트를 나타냅니다: Exact는 팩터 연결(factor concatenation)을 사용하고, Compressed는 SVD 표현을 사용합니다. 다운로드 크기와 어댑터 메모리가 문제가 되지 않는 경우 Exact 어댑터를 권장합니다.

작업 태그 (Task tags): 텍스트-이미지(Text-to-Image); 모델 카드에는 참조 기반 이미지-이미지 생성도 문서화되어 있습니다.

기본 모델 (Base model): Qwen/Qwen-Image-2.1

**.

아키텍처 및 통합 (Architecture and integration): 트랜스포머 전용 LoRA, Diffusers 네이티브; README는 기본 모델의 파라미터 수나 전체 아키텍처 세부 정보를 명시하지 않습니다.

정확한 어댑터 (Exact adapter): loras/fusal-qwen-image-2.1-stack-exact-r80.safetensors

랭크 80, 약 400 MiB; 네 가지 출시 단계의 정확한 인자 결합으로 강도 1.0을 사용합니다.

압축된 어댑터 (Compressed adapter): loras/fusal-qwen-image-2.1-stack-svd-r48.safetensors

랭크 48, 약 240 MiB; 전역 상대 가중치 공간 오차 3.646% 및 보존된 델타 에너지 99.867%.

텍스트 인코더 (Text encoder): text_encoders/qwen3-vl-8b-heretic-1.3.0_bf16.safetensors

약 16.3 GiB, BF16. DreamFast의 Qwen3-VL-8B-Heretic-1.3.0에서 가중치 수정 없이 재분배되었으며, 리비전 28dc0129b4c7c16304bc2ed3697c9437ae8ac2f3에 고정되어 있습니다.

학습 데이터 (Training data): 텍스트-이미지 및 참조 조건부 이미지-이미지 작업 전반에 걸쳐 약 50,000개의 애니메이션 이미지 레코드를 포함하며, 수동으로 선별된 미적 선호도가 적용되었습니다. 개요는 광범위한 도메인의 애니메이션 사전 학습을 위한 약 40,000개 레코드와 부티크 학습을 위해 수동으로 선택 및 미적으로 주석이 달린 약 8,000개 이미지를 식별합니다. 또한 고해상도 단계와 참조 조건부 단계를 나열하며, 제공된 README 발췌문은 참조 단계 세부 정보 이전에 끝납니다.

학습 목표 (Training goals): 다양한 애니메이션 스타일, 구도 및 구조, 명령어 따르기(instruction following), 해부학, 캐릭터 상호작용, 고해상도 출력, IP 캐릭터 디자인 시트 참고 자료, 그리고 NSFW 애니메이션 생성.

권장 생성 설정 (Recommended generation settings): 추론 단계 30–40회, CFG / 실제 CFG 1.0, LoRA 강도 1.0. 예시는 40단계와 1024×1024 출력을 사용합니다.

참조 처리 (Reference handling): 프롬프트는 and나 ;와 같은 순서가 지정된 플레이스홀더를 사용할 수 있으며, 프롬프트 참조는 입력 이미지 순서에 맞게 정렬해야 합니다.

프레임워크 (Frameworks): Diffusers 및 현재 ComfyUI. README에 따르면 현재 ComfyUI는 Qwen Image 2.1 융합 MLP 매핑을 포함하여 Diffusers LoRA 키를 인식합니다.

Diffusers 종속성 (Diffusers dependencies): 최신 Diffusers 빌드, transformers>=5.17.0, accelerate, peft, 그리고 safetensors.

권장 구성 요소: 공식 Base VAE, 프로세서 및 토크나이저를 사용하세요. Heretic 모델 가중치와 함께 공식 Qwen Image 2.1 프로세서/토크나이저 파일을 사용하고, Heretic 리포지토리의 프로세서 또는 토크나이저 파일로 대체하지 마세요.

지원되지 않는 구성: Qwen Image 2.1 Turbo. 테스트 결과 의도된 효과와 품질의 명확한 손실이 나타났습니다.

명시되지 않은 내용: 파라미터 수, 학습 스텝, 학습 컴퓨팅, VRAM, 추론 속도, 배치 크기 가이드, 최대 해상도 및 상업적 이용 약관.

모델 입력 및 출력

입력

텍스트 프롬프트: 문자열. README에서는 트리거 구문으로 fusal style.을 권장합니다.

그리고 다음과 같은 태스크 태그를 보여줍니다:
[TASK: TEXT_TO_IMAGE]

및
[TASK: REFERENCE_TO_IMAGE]

구조화된 프롬프트 섹션: 선택적 섹션에는 [Subject], [Appearance], [Pose], [Expression], [Composition], [Environment], [Lighting], 및 [Style]이 포함됩니다.

참조 이미지: 참조-이미지 생성을 위해서는 프롬프트 플레이스홀더와 일치하는 순서로 이미지를 제공해야 합니다. README에는 허용되는 이미지 파일 형식, 이미지 개수 제한 또는 전처리 요구 사항은 명시되어 있지 않습니다.

성인 콘텐츠 선언: 성인 콘텐츠의 경우, README는 프롬프트 시작 부분 근처에 [Content] 섹션을 제안합니다.

생성 설정: 예제에서는 너비와 높이, 추론 스텝, 실제 CFG 스케일 및 시드된 PyTorch 생성기를 제공합니다.

출력

생성 이미지: Diffusers 예제는 images[0]을 통해 이미지를 반환하고 PNG로 저장합니다.

해상도: 예제에서는 1024×1024를 사용합니다. README에는 최대 또는 최소 해상도가 명시되어 있지 않습니다.

후처리: 예제는 반환된 이미지를 직접 저장하며, 추가적인 후처리는 문서화되어 있지 않습니다.

시작하기

최신 Diffusers 빌드와 나열된 종속성을 설치하세요:

pip install git+https://github.com/huggingface/diffusers.git
pip install "transformers>=5.17.0" accelerate peft safetensors

공식 기본 모델을 로드한 다음, 어댑터 하나를 선택하세요. 예시 프롬프트를 사용자의 것으로 대체하고, 이미지-투-이미지 생성을 수행할 때는 참조 가능한 파이프라인 입력과 프롬프트 형식을 사용해야 합니다.

import torch
from diffusers import QwenImage21Pipeline
pipe = QwenImage21Pipeline.from_pretrained(
...

ComfyUI의 경우, 최신 체크아웃을 사용하고 LoRA 하나를 ComfyUI/models/loras/에 배치한 다음, 공식 Qwen Image 2.1 확산 모델과 VAE를 로드합니다. README에서는 번들된 Heretic 인코더를 ComfyUI/models/text_encoders/에 배치하고 CLIPLoader를 사용하여 qwen_image 타입을 이용해 로드할 것을 권장합니다. 확산 모델 로더와 샘플러 사이에 **LoRA 로드 (모델만)**를 추가한 다음, strength_model을 1.0으로 설정합니다. 두 어댑터 변형을 체인(chain)하지 마십시오.

자주 묻는 질문

질문: Qwen-Image-2.1-Anime-Fusal를 상업적으로 사용할 수 있나요?

답변: 저장소에는 라이선스가 other로 명시되어 있습니다.