Qwen Image 2.1 HDR VAE

79 00

Qwen Image 2.1 HDR VAE 是基于Qwen Image 2.1原生自编码器微调而来,面向RGBA、HDR图像重建场景开发。该模型的设计目标不是忠实还原原图像素,而是拉高画面动态范围、扩大色彩容积、增强细节表现力,属于视觉风格优先的VAE。

作者
Felldude
基础模型
Qwen Image 2.1
Qwen Image 2.1 HDR VAE

Qwen Image 2.1 HDR VAE 是基于Qwen Image 2.1原生自编码器微调而来,面向RGBA、HDR图像重建场景开发。该模型的设计目标不是忠实还原原图像素,而是拉高画面动态范围、扩大色彩容积、增强细节表现力,属于视觉风格优先的VAE。

评测对比

和原版Qwen Image 2.1 VAE(VAE A)对比HDR版本(VAE B):

指标VAE A(原版)VAE B(HDR)相对真值变化
Lab色彩体积比~0.81×~1.34×+34%色彩体积
边缘密度比~0.95×~1.50×+50%边缘密度
梯度强度比~0.97×~1.16×+16%梯度能量
锐度比~0.96×~1.99×接近2倍锐度
饱和度比~0.99×~1.20×+20%饱和度
SSIM0.9580.944小幅下降
PSNR38.1 dB32.0 dB明显降低

HDR版本刻意在色彩、边缘、梯度细节上超越原始参考图;原版VAE在SSIM、PSNR这类像素保真指标上更好,但会压缩色彩范围、弱化细节。这个权重本身就是做取舍:放弃像素级复刻,换取更强视觉冲击力。

技术参数

  • 基座:Qwen Image 2.1 VAE,潜变量维度z_dim=64,空间压缩倍率16倍
  • 输入输出:RGBA通道,数值归一区间 [-1,1]
  • 张量布局:[B, 4, 1, H, W],单帧保留时间维度
  • 潜变量标准化:使用模型自带latents_mean / latents_std,不采用FLUX/SD的0.18215缩放系数
  • 训练评估分辨率区间:512–1024;图像长宽必须可被16整除

适用场景

✅ Qwen Image生成管线里HDR图像编码、解码
✅ 需要强视觉表现力潜变量的图像生成、图像编辑工作流
✅ RGBA+高动态范围自编码器相关研究

❌ 不适合档案级原图重建、追求PSNR/SSIM最高的对照实验,或是像素精准匹配优先的业务。

模型限制

  1. 模型设计上就会改变原图的锐度、饱和度、色彩空间,输出画面和输入像素会存在偏差;
  2. 支持Alpha透明通道,但没有针对极端alpha蒙版做大量调优;
  3. 高分辨率场景显存开销大,存在16倍潜变量降采样带来的内存压力。

要点总结

  1. 定位:Qwen Image2.1专属HDR VAE,RGBA四通道,优先视觉表现力而非像素保真;
  2. 收益:色彩体积+34%、边缘密度+50%、锐度接近翻倍;代价是PSNR、SSIM像素保真指标下降;
  3. 技术特征:16倍空间压缩,自带潜变量均值方差,不兼容SD/FLUX潜变量缩放;分辨率需要被16整除;
  4. 选型提醒:做HDR创意生成、图像编辑非常合适;原始档案复刻场景不要选用。

相关图书

PJ0 QwenImage Realistic FP8

PJ0 QwenImage Realistic FP8

PJ0 QwenImage Realistic FP8 是一次针对性明确的优化迭代,重点提升真实感与细节表现力。结合合理的参数设置,尤其在低 CFG 与优质采样器配合下,能够稳定输出接近专业摄影水准的图像结果,适合写实风格创作者纳入工作流程。
shuimohua(山水画)

shuimohua(山水画)

shuimohua(山水画)是一个Qwen-Image-Edit-2511的lora,可以将真实的风景转换为经过精心描绘而成的山水画杰作。现代摄影与古老艺术风格的完美融合。
Qwen-Image-2.1-Fix

Qwen-Image-2.1-Fix

Qwen-Image-2.1-Fix 是一款专门适配 Qwen Image 2.1 的修复型LoRA模型,在搭配对应的参数设置使用后,能够改善该模型绝大多数图像生成问题。
Optical Illusion Generator (QR Code Monster) LoRA

Optical Illusion Generator (QR Code Monster) LoRA

Optical Illusion Generator (QR Code Monster) LoRA,也就是二维码怪物LoRA,专为 Qwen 2.1图像编辑打造,可以把整张图片转换成光学错觉风格,保留原图整体轮廓与外形,只重绘画面内部。