#画像生成

Luma AIのUni-1は理解と生成を1つのTransformerに統合した

Luma AIが発表したUni-1は、画像の理解と生成を単一のdecoder-only autoregressiveモデルで統合。拡散モデルを使わず、テキストと画像パッチを共有語彙空間でトークン化して逐次生成する。利用方法と料金体系も整理した。

ComfyUIをBlackwell GPU（RTX 50/PRO 6000）で動かすまでの手順と落とし穴

NVIDIA Blackwell（sm_120）でComfyUIが動かない原因と、PyTorch Nightly・xformers排除・SageAttention・NVFP4量子化による解決手順をまとめた。

Qwen-Image-LayeredでLive2D用の顔パーツ分離をRunPodで試す

tori29umai氏のLoRAで顔パーツを自動分離し、28枚バッチ処理した結果と、髪の細分化を試みて限界にぶつかった記録

【XDSL】生成漫画　その３

思いついた話を漫画にしてみた

RTX 4060 Laptop（8GB）でComfyUI + WAI-Illustriousを動かす

ComfyUI + WAI-Illustrious v16.0をRTX 4060 Laptop（VRAM 8GB）で動かした。LoRA併用含めlowvram不要で1024x1024が15秒。

画像生成AIのVAEはなぜ重い？ Qwen-ImageとHunyuanImageのアーキテクチャ比較

Qwen-Image-EditのVAE推論が重い理由と、HunyuanImage 2.1が採用した32x高圧縮VAEの設計思想の違いを解説。Kohya氏によるVAEメモリ最適化の動向も追う。

UltraFlux-v1 — FLUX.1-devベースのネイティブ4K画像生成モデル

FLUX.1-devを4K生成に特化させたUltraFlux-v1の技術詳細。Z-ImageやFLUX.2 Kleinとのアプローチの違い、独自のRoPE拡張やVAE改良、実用面での注意点をまとめた。

アニメ画像生成モデルAnima(2B)をNoobAI/Illustrious/Z-Imageと比較、Cosmos-Predict2ベースだがプレビュー版の制約多数

CircleStone Labs × Comfy Org が開発したCosmos-Predict2ベースの2Bアニメ画像生成モデル Anima のリリース直後評価。7GBで動く軽量さは利点だがSDXLより10倍遅く、手の崩壊やテキストエンコーダ(Qwen3 0.6B)の弱さ、ControlNet未対応、LoRAエコシステム不在で、現状はNoobAI/Illustriousから移行する理由が薄い。

Qwen Image Editでポーズ・角度制御を改善する方法を調べた

Nunchaku量子化版、VNCCS Pose Studio、公式2511の改善点を比較して、ポーズ・角度制御の改善策を探った

M1 Max 64GBでQwen Image Edit（NSFW版）をローカル実行する

Apple Silicon MacでQwen-Rapid-AIO-NSFW v16を動かし、キャラ維持しながらポーズ変更する方法

NovelAI精密参照をローカルで再現する方法を調べた — ComfyUI + IP-Adapter

NovelAIの精密参照（キャラ参照+絵柄参照）をComfyUI + IP-Adapterでローカル再現するための下調べ。セットアップ手順とパラメータ設定をまとめた。

Z-Image-Distilled — 蒸留で高速化しても多様性を維持したZ-Image派生モデル

Z-Imageを蒸留で高速化したZ-Image-Distilledの概要。FLUX.1 Schnellとの違い、M1 Max 64GBでの動作、LoRA互換性についてまとめた。