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 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。















