TailSteer Holds Qwen-Image 2.1 Edits Steady Over 20 Turns

이미지를 연속으로 열 번 편집하면 마지막 프레임은 더 이상 처음과 같은 그림이 아닙니다. 피부는 플라스틱처럼 변하고, 텍스트는 뒤틀리고, 배경 디테일은 흐려지는데, 어떤 지침도 그런 결과를 요청하지 않았습니다. TailSteer는 처음의 첫 편집 품질을 잃지 않으면서 모델이 그 반복을 견디도록 학습시킵니다.

연속 20회 편집의 20번째 턴, 베이스 모델과 TailSteer 비교, 프로젝트 예시 세트에서 발췌

무엇이 달라지나

턴마다 작은 오브젝트를 하나씩 추가하며 10턴 동안 무엇이 그대로 남았는지 채점하는 프로젝트의 Add & Preserve 벤치마크에서, TailSteer는 베이스 모델의 오브젝트 완성률을 유지하면서 편집 상자 바깥의 모든 요소를 끌어올립니다.

그 대가는 작습니다. Qwen-IB EN 53.39 → 53.06, GEdit EN 8.11 → 8.04, ImgEdit 4.40 → 4.42입니다. 텍스트 기반 이미지 생성은 동일한 checkpoint에서 그대로 작동하며, 추론 시 보존 마스크나 모델 전환이 필요하지 않습니다.

동일한 프롬프트와 시드: 베이스 모델과 TailSteer.

ComfyUI에서 실행하기

1. TextEncodeQwenImage21과 QwenImage21Cache가 포함된 빌드로 ComfyUI 업데이트한 뒤, qwen_image_2.1_tailsteer_bf16.safetensors(14.23 GB)를 models/diffusion_models/에 넣습니다.
2. 변경되지 않은 베이스 구성 요소를 추가합니다. models/text_encoders/의 qwen3vl_8b_bf16.safetensors(17.53 GB)와 models/vae/의 qwen_image_2.1_vae_bf16.safetensors이며, 둘 다 Comfy-Org/Qwen-Image-2.1에서 받습니다.
3. 워크플로를 끌어다 놓고 실행합니다. Euler 40 스텝, CFG 1.0, 무손실 KV 캐시, 참조 해상도 1024입니다.

3턴 워크플로에서는 각 VAE 디코드의 출력이 다음 Text Encode Qwen Image 2.1로 입력되므로, 편집 단계를 복제하면 체인이 확장됩니다.

주의할 설정이 하나 있습니다. 샘플러는 공개된 동적 시프트로 구성된 ManualSigmas를 사용하며, ComfyUI의 일반 simple 스케줄은 같은 곡선이 아닙니다. 출력 크기나 스텝 수를 변경했다면 프로젝트의 comfyui_sigmas.py로 다시 생성한 뒤 결과를 다시 붙여넣으십시오.

검증된 구성은 BF16 구성 요소를 사용하는 H100 80 GB이며, 양자화 구성과 소비자용 GPU 구성은 검증되지 않았습니다. 예시 워크플로는 1280×832, 960×1120, 1024×1024에서 실행됩니다.

사용 가능 여부

• 가중치: Lyricccco/Qwen-Image-2.1-TailSteer, 그리고 전체 Diffusers 레이아웃과 ComfyUI 가이드.
• 다른 백본용 동일 학습 단계: FLUX.2 [klein] Base 9B 및 SenseNova-U1.5-8B-MoT.
• 코드: Lyricccco/tailsteer, 논문 arXiv 2611.06741.
• akhaliq의 브라우저 데모: endless-edit-tailsteer.

모델 카드에 따르면 보존 능력이 약 두 배인 더 강력한 버전이 학습 중입니다.