FluxSR: Flux.1-dev 向けワンステップ4倍超解像 LoRA

プロジェクトリポジトリより: 他のワンステップおよびマルチステップ超解像手法と並べた FluxSR の再構成結果。

FluxSR が実現すること

マルチステップ拡散超解像は高精度ですが低速で、以前のワンステップ版は蒸留元の教師モデルのアーティファクトをそのまま受け継いでしまいます。FluxSR は Flux.1-dev を教師モデルとベースモデルの両方として維持し、その上に3つの要素を追加します:

• Flow Trajectory Distillation (FTD) は、マルチステップのフローマッチングモデルを単一のサンプリングステップに蒸留します。これにより、transformer を一度通すだけで4倍の画像が生成されます。
• TV-LPIPS は、単純な知覚損失を全変動で重み付けした変種に置き換えます。論文ではこれを用いて、再構成をスムーズな平均ではなくリアルなテクスチャへと導きます。
• Attention Diversification Loss (ADL) は、transformer 内のトークン類似度を下げる正則化項です。ワンステップ出力の高周波スペックルは通常ここから生じます。

成果物は完全な checkpoint ではなく LoRA アダプターとして配布されます。アダプターは 717 MB、rank と alpha はどちらも 64、推論はタイムステップ 350、ガイダンス 4 で実行され、これらはすべて同梱の training_config.json から読み取られます。

FluxSR のトレーニングパイプライン: Flux.1-dev の教師モデルがトレーニングペアを生成し、LoRA の生徒モデルが TV-LPIPS と ADL を用いて単一ステップに蒸留されます。

リリース内容

リポジトリは推論だけでなく、一連の流れ全体を文書化しています。トレーニングデータは Flux.1-dev の教師モデルを 50 ステップ、ガイダンス 3.5 で用いて生成され、ペアとなるノイズ、教師の潜在、デコード済み画像、シードを保存します。また scripts/evaluate.py は、正解データが利用可能な場合に PSNR、SSIM、LPIPS、DISTS、MUSIQ を報告します。

論文の表1: 他の実写超解像手法との定量的比較。

論文の表2は、RealSet65 における同様の比較を示しています。

論文からの定性的比較: 実写の低解像度入力を用いた、他の超解像手法との FluxSR の比較。

ComfyUI で実行する

このプロジェクト自体は ComfyUI ノードを提供していませんが、同日にコミュニティ製パックが登場しました。JohnDopamine 氏は 2026年10月13日に Banodoco の #flux チャンネルで FluxSR ノードパックを投稿し (バージョン 1.0.1 では T5 と CLIP の埋め込みパスが修正されています)、約 84 GB の使用可能 VRAM を備えたマシンでの2回の実行結果を報告しました:

このパックは Flux.1-dev を LoRA と Hugging Face パッケージの2つの固定埋め込みファイルとともに実行するため、すでに Flux.1-dev を実行できる環境ならどれでも動作します。より大きな入力向けにバッチ処理モードとタイルモードがあり、推論スクリプトは低メモリ環境向けに --offload sequential と --vae-tiling を提供しています。

現在このノードパックはリポジトリではなく、コミュニティチャンネルに zip として置かれているため、インストールは手動で行います。

入手方法

LoRA の重み、固定埋め込み、トレーニング用プロンプトは Hugging Face に、トレーニング、推論、評価のコードは GitHub にあります。ベースとなる Flux.1-dev の重みは、アクセス条件に同意したうえで別途ダウンロードする必要があります。