Idol Turbo Cuts Image-to-3D to Five Guidance-Free Steps

入力、CFG付き6ステップのベースモデル、そして6ステップと8ステップの蒸留済み生徒モデル。同じ入力、同じシード、オルソグラフィックスプラットのレンダリング。

変更点

Idolのフローマッチングデノイザーは変更されていません。作者が追加したのは、教師のCFG合成速度に対して回帰でトレーニングされた2つの低ランクエキスパートです。これによりclassifier-free guidanceが重みに折り込まれ、2回目の重複パスが不要になります。節約の大部分はここから来ています。CFG 3.0での50ステップ×2回評価は100回のネットワーク呼び出しになり、生徒モデルは5回で済みます。

• レシピ: GlanceスタイルのフェーズLoRA（arXiv 2512.02899）、ランク32のエキスパート2つ、高ノイズフェーズ用のSlow-LoRAと低ノイズフェーズ用のFast-LoRAで、t = 0.5で切り替えます。
• トレーニング可能なサイズ: 両エキスパート合計で2,940万パラメータ。
• トレーニングセット（v5）: 4,650件の教師レコード、93枚の単一オブジェクト画像に対する50ステップCFG 3.0の軌跡、2,000ステップ、H200 1台で約25分。

v5というラベルは重要です。以前のチェックポイントは10枚の画像でトレーニングされており、そのセットに似ていないオブジェクトへの汎化が不十分でした。ばらつきを広げたことが今回のリリースの狙いであり、ショーケースに登場するバックパックはトレーニングから除外されています。

5つのオブジェクト、それぞれ3パネル: 入力、5ステップのturbo、CFG付き5ステップのベースモデル。

ComfyUIでの使い方

2つのComfyUI形式LoRAはComfy-Org/Idolに対して検証済みです。モジュールパスは同一で、重みは強度1.0向けに事前スケーリングされています。idol_turbo_slow_comfy.safetensorsとidol_turbo_fast_comfy.safetensorsを、リパックのdiffusion model、DINOv3 CLIP vision、VAE、デコーダーと並べてmodels/loras/に配置し、5ステップ、CFG 1.0を設定します。

フェーズ分割の接続方法は2つあります:

• 2段階: 5ステップのうち最初の4ステップを、add_noiseを有効にしたKSampler (Advanced)でslow LoRAを使って実行し、最後の1ステップをfast LoRAとadd_noiseオフで完了します。引き継ぎはシフト後のt = 0.5です。
• シンプル: 実行全体でslow LoRAを使います。5ステップのうち4ステップはどのみちそのフェーズなので、終盤のディテールが多少犠牲になります。

作者の注意書きは覚えておく価値があります。キーの互換性は検証済みですが、2段階分割はComfyUI自体の中では実行されていません。fastステージがおかしく見える場合は、slowのみの経路が安全なデフォルトです。

ステップ数を下げていくと、ナイーブサンプラーは色（4ステップでバックパックがほぼ黒になる）と構造（ドラゴンが崩れる）を失いますが、生徒モデルはガイダンスなしで両方を保ちます。

推奨のデフォルトは5ステップで、ナイーブサンプリングとturboサンプリングの差が最も大きくなります。8ステップではどちらも良好に見え、4未満ではどちらも劣化しますが、生徒モデルのほうが緩やかです。

弱いところ

モデルカードは明言しています。出力は50ステップの教師より柔らかくなることがあり、4ステップでは色が暖色寄りになり、彩度の高いオブジェクトは最初の10画像チェックポイントよりやや鮮やかさが落ちる場合があります。50ステップのベースモデルが引き続き参照基準であり、すべてのトレーニング実行、指標、評価レンダリングはakhaliq/idol-turbo-runsで公開されています。

SDK経路では、リポジトリはそのまま差し替え可能な重みです。デノイザー、デコーダー、ガウシアンデコーダー、背景除去、configはsperidlabs/idolとバイト単位で同一で、turbo.pyがガイダンス不要のサンプラーを追加します。

入手方法

ComfyUI LoRA、SDK LoRA、turbo.py、比較グリッドはHugging Faceで2026年11月3日に公開されました。実行にはComfy-Org Idolリパックが必要で、SDK経路では引き続きIdolの2つのゲート付きエンコーダー（DINOv3とFLUX.2-dev）が必要です。ベースのIdolは約7.2 GBのVRAMを必要とし、LoRAはその上に1 GBの何分の1かを追加するだけです。