Unsloth、Qwen-Image-Edit-2509のGGUF量子化版をHugging Faceで公開

Unslothは、画像編集モデルQwen-Image-Edit-2509をGGUF形式で量子化したunsloth/Qwen-Image-Edit-2509-GGUFをHugging Faceで公開しています。量子化にはUnsloth Dynamic 2.0方式を使い、重要なレイヤーを高精度へアップキャストしています。

Unslothは、AIモデルの実行と学習のためのツール群で、量子化形式への出力にも対応しています。GGUFは、GGMLプロジェクトで仕様が公開されている推論用モデルのバイナリ形式です。

何が新しいか

今回のリポジトリは、Qwen-Image-Edit-2509(base_model: Qwen/Qwen-Image-Edit-2509、pipeline_tag: image-to-image)のGGUF量子化版です。ライセンスはapache-2.0です。原文によると、Qwen-Image-Edit-2509は8月公開のQwen-Image-Editの月次更新版で、主な改良点は次のとおりです。

• 複数画像編集: 画像の連結による追加学習で、「人物+人物」「人物+商品」「人物+シーン」などの組み合わせに対応します。入力画像は現時点で1〜3枚のときに最適な性能が出るとしています。
• 単一画像での一貫性向上: 顔の同一性保持(ポートレートの多様なスタイルやポーズ変換に対応)、商品の同一性保持(商品ポスター編集に対応)、テキスト編集では内容に加えてフォント・色・素材の変更に対応します。
• ControlNetのネイティブ対応: 深度マップ、エッジマップ、キーポイントマップなどを扱えます。複数画像入力でキーポイントマップを使い、人物のポーズを変える例も示しています。

試し方

原文のQuick Startは、元モデルをdiffusersで動かす手順です。まず最新のdiffusersをインストールします。

pip install git+https://github.com/huggingface/diffusers

続いてQwenImageEditPlusPipeline.from_pretrained("Qwen/Qwen-Image-Edit-2509", torch_dtype=torch.bfloat16)でパイプラインを読み込み、pipeline.to('cuda')でCUDAへ移します。input1.pngとinput2.pngをimageにリストで渡し、出力はoutput_image_edit_plus.pngに保存します。

サンプルの推論パラメータは次のとおりです。

パラメータ	値
true_cfg_scale	4.0
num_inference_steps	40
guidance_scale	1.0
num_images_per_prompt	1
negative_prompt	" "
generator	torch.manual_seed(0)

推論はtorch.inference_mode()内で実行します。