MOSS-Image 4단계 LoRA: eDMD 증류로 세밀한 디테일 유지

ComfyUI Wikinews

rank-64 ComfyUI LoRA가 MOSS-Image-SFT를 CFG 3에서 50단계 대신 CFG 1에서 4단계로 실행하며, 미세 텍스처는 50단계 teacher보다 높게 측정되었습니다.

<strong>MOSS-SFT-Distill-4step-LoRA</strong>는 MOSS-Image-SFT를 CFG 3에서 50단계 대신 CFG 1에서 4단계로 실행합니다. 모델 호출 횟수가 100회에서 4회로 줄어드는 것입니다. ComfyUI에서 바로 사용할 수 있는 파일과 텍스트 기반 이미지 생성, 레이아웃 박스, 이미지 편집을 위한 8개의 코어 노드 워크플로가 함께 제공됩니다.
MOSS-Image 4단계 결과

LoRA로 4단계에서 렌더링한 22개의 테스트 프롬프트. 소스: lvladikov

4단계의 비용과 유지되는 것

작성자 본인의 측정에 따르면 1024² 해상도의 이미지 22장을 생성하는 데 387.3초 대신 26.6초가 걸리며(Comfy Cloud GPU 시간 기준 청구), 학습 시 teacher 이미지와 약 8,000장의 캡션이 붙은 사진 크롭을 함께 사용하기 때문에 미세 텍스처가 평균 50단계 teacher의 1.22배에 달합니다. 두 번째 주장은 텍스트 렌더링입니다. 15개의 텍스트 프롬프트 중 14개에서 요청한 모든 문자열이 정확하게 출력되었으며, akhaliq의 4단계 LoRA는 12개였습니다.

이는 작성자의 수치입니다. 독립적인 검증도 하나 존재합니다. 한 사용자가 클래식 회화 텍스처(균열, 캔버스 직조, 종이 결)를 기준으로 9개의 MOSS turbo LoRA를 50단계 베이스라인과 비교했는데, 이 LoRA를 12단계 경쟁작들보다 앞선 베이스라인에 가장 가까운 모델로 선택했습니다.

인물 비교
동일한 프롬프트, 동일한 시작 노이즈: 50단계 teacher · akhaliq 4단계 · 이 LoRA. 소스: lvladikov

상대적으로 약한 부분

이 LoRA는 teacher의 출력을 그대로 복사하는 방식이 아니라 endpoint critic을 사용한 분포 매칭(eDMD)과 잠재 데이터 적대적 증류(LADD)로 학습되었습니다. 부드러운 회화 스타일과 밀도 높은 사진 디테일은 teacher보다 떨어집니다. 수채화 테스트는 미세 텍스처가 0.66배이며, 인물과 시장 군중 사진은 0.80에서 0.85 수준입니다.

초기 보고도 이와 일치합니다. 4단계 편집 워크플로는 정상적으로 작동하고 레이아웃 프롬프트도 잘 유지되지만, 사실적인 얼굴은 약하며 한 사용자는 간헐적으로 팔다리가 누락되는 경우를 보았습니다. 또 다른 사용자는 확실한 우위라기보다 "lodestones의 최신 LoRA와 동등한 수준"이라고 평가합니다.

텍스트 렌더링 비교
다섯 줄의 인쇄된 텍스트와 가격이 있는 메뉴: teacher · akhaliq 4단계 · 이 LoRA. 소스: lvladikov

ComfyUI에서 실행하기

일반 파일이 아니라 _comfyui 파일을 사용하세요. ComfyUI는 LoRA를 bf16 가중치에 더한 뒤 합계를 반올림하기 때문에, 제공되는 ComfyUI용 파일은 알파 값에 측정된 1.18 계수를 반영하고 있습니다. strength 1.0, 4단계, CFG 1로 로드하고, 50단계 teacher의 레이어 스킵이나 네거티브 프롬프트 설정은 추가하지 마세요.

파일폴더
moss_sft_4step_rank_64_lora_comfyui.safetensorsComfyUI/models/loras/
moss_image_sft_bf16.safetensorsComfyUI/models/diffusion_models/
qwen3.5_9b_w4a8_gptq.safetensorsComfyUI/models/text_encoders/
flux2-vae_small.safetensorsComfyUI/models/vae/

세 개의 베이스 파일은 Comfy-Org/MOSS-Image에서 가져온 것입니다. 이 LoRA는 768×512와 512×768부터 1824×1024와 1024×1824까지 12개의 해상도로 학습되었으므로, 그 외의 종횡비는 학습 범위를 벗어납니다.

제공 현황

댓글

GitHub로 로그인하고 토론에 참여하세요.

댓글을 불러오는 중…
MOSS-Image 4단계 LoRA: eDMD 증류로 세밀한 디테일 유지 | ComfyUI Wiki