2-Step DMD2 LoRA Distills Qwen-Image-2.1 From 20 Steps for Realtime Editing

linoy_tsaban · x · 2026-10-26

• linoytsaban 发布 Qwen-Image-2.1-DMD2-2steps：一个将 Qwen-Image-2.1 从 20 步采样压缩至仅 2 步前向传递（fixed sigmas [1.0, 0.5], truecfgscale=1.0）的蒸馏 LoRA，实现了接近实时的交互式编辑。

方法与训练

• 使用 DMD2（on-policy distribution matching，no regression/GAN loss）进行训练，采用 teacher CFG guidance
• LoRA 配置：rank 32 / alpha 32，仅作用于注意力层（attention-only）
• 在单张 H100 上训练约 2000 步，分辨率约 1 MP，支持多长宽比（multi-aspect）

质量

• 与官方 20 步演示在相同 seed 下进行对比（sketch-to-photo、发型、表情、照片修复、多参考构图）：2 步的输出结果与基础模型非常接近
• 保留了多参考输入功能（"Picture 1"/"Picture 2" 样式的 prompt）

使用方法

• 需要 diffusers 开发分支（pip install git+...@qwenimage21-lora-training），并使用 QwenImage21Pipeline
• 在作者占位符基准测试（placeholder benchmark）中提供了实时演示的 Space 和权重链接

Original post →

More from Multimodal

• ElevenLabs Chimera pairs Eleven v4 audio with Seedance 2.5 video — Aiden_Tech_Ai · 2026-10-26
• Local book-to-audiobook-video pipeline runs on 8GB VRAM with Qwen Image + TTS — top115 · 2026-10-26
• 80s-style Flock Safety parody ad made locally with ComfyUI + MiniMax H3 on a 5090 — Effective_Garbage_34 · 2026-10-26
• One composition, three palettes: AI-generated stylized landscape backdrops impress — AIandDesign · 2026-10-26
• AI series 'The Chiseled and the Beautiful' returns with uncanny face-morph video — Darri3D · 2026-10-26
• Dotey shares full prompt + open-source skill for generating AI history documentary videos — dotey · 2026-10-26

Multimodal channel →