sft-destripe

84 00

1.9MB的SFT Destripe LoRA依靠权重方向提取而非训练制作,专门消除MOSS-Image SFT在平滑背景产生的垂直色带,几乎保留原有图像风格,在ComfyUI只需简单加载即可使用。

作者
nynxz
基础模型
MOSS-Image
sft-destripe

MOSS-Image SFT生成图像时,常在天空、雾气、墙面这类平滑背景出现细微垂直色带,色彩增强后瑕疵会变得格外明显。

开发者nynxz推出一款仅1.9MB的LoRA,专门用来去除该缺陷,模型本身风格基本不改动。该资源同步发布在Hugging Face与Civitai平台,仓库还附带另一套分离q/k/v的MOSS-Image检查点,两者都可在ComfyUI内使用。

sft-destripe

SFT Destripe LoRA使用方法

在现有MOSS-Image SFT工作流中添加LoraLoaderModelOnly节点,无需触发词,仅适配SFT版本,不可用于Base基座模型。强度根据输出分辨率调整:768px设置1.0;1024px设置1.5。强度最高拉到5不会破坏画面,但不会带来进一步改善;如果设置负强度,条纹反而会加重,也可以借此验证LoRA生效与否。

官方评测使用bandviz分数评判,分数越低画面越干净。开启LoRA后,图像保留原生SFT超过99%的特征,不会改变原图风格。

这款LoRA不是传统训练得到,而是通过逐层拆解Base到SFT之间权重变化,识别出负责生成垂直色带的权重方向,剔除64个影响最大的方向,因此体积十分小巧。该方案相比直接还原整个模型层,改动范围更小,保留更多原始图像特征。

配套分离q/k/v检查点

仓库附带的分离q/k/v检查点,权重数值和Comfy-Org原版完全一致,仅调整张量存储形式:原版将q、k、v融合为单个张量,这份文件把三者拆分成独立张量。

两种权重图像质量完全相同,融合版本推理速度略快;分离版本主要用于调试LoRA、LoKr,规避ComfyUI旁路加载模式下q/k/v适配器丢失的问题,适合做模型调优的开发者。

限制说明

当前测试基于ER-SDE采样器、25步采样、CFG 2.5,仅验证768px与1024px分辨率,其他采样器与尺寸未做测试。色带问题受随机种子影响波动较大,给出的评测数据取自12张测试图的中位数结果。

相关图书

MOSS-Image i2i LoRAs

MOSS-Image i2i LoRAs

这套 MOSS-Image i2i LoRA 为 ComfyUI 打造,包含漫画上色、去文字水印、去马赛克三个独立 LoRA;依托 VAE 潜参考图生图,上色版本数据集充足效果更好,去文字、去遮挡版本训练样本偏少。
MOSS-Image-SFT-4-steps

MOSS-Image-SFT-4-steps

MOSS-Image-SFT-4-steps v2.0 完成重大改版,精简为单个 LoRA 文件,原生适配标准 Euler 采样器,无需额外自定义组件。它支持 4 步快速出图,中英文字、数字保真度在同类型少步模型中表现突出,最高支持 2048×2048 无平铺生成。
MOSS-Image-Edit-HQ

MOSS-Image-Edit-HQ

MOSS-Image-Edit-HQ armV4 是 MOSS-Image-SFT 社区图像编辑 LoRA,依靠掩码损失解决旧版全局色彩漂移问题,面部编辑明显变强;同时提供原生 ComfyUI 和插件两种接入格式,适合做局部改写、光影重绘,但显存开销较高,不兼容 Base 系列模型。
MOSS-Image CharRef

MOSS-Image CharRef

CharRef v2 是MOSS-Image生态里实用性很强的角色固定方案,依托KV缓存参考编辑路线,省去逐个角色微调LoRA的成本,非常适合漫画、二次元角色跨场景生成;短板集中在写实人脸、精细发型、单参考限制。