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）：

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。