Японский автор note сравнил Qwen-Image-Edit 2.1, Moss Image Edit и Krea 2 Edit: с пятью референсами Qwen перенесла одежду, причёску и фон на фотореалистичного персонажа. Для авторов комиксов это уже рабочая связка, но аниме-персонажей она пока переодевает плохо.
В тесте задали 48 генераций, получили 45 результатов без технических сбоев; качество автор оценивал глазами. Qwen перенесла позу в 23 из 24 случаев, а на фотореалистичных персонажах сохранила одежду, причёску и фон из референсов во всех проверенных примерах. Но стоило на референсе причёски показать чужое лицо — и модель могла подменить лицо персонажа. Тут важнее, что именно вы показываете модели, а не как подробно расписываете промпт.
С аниме всё сыровато: фон Qwen перенесла в 4 случаях из 4, а одежду — только в 1 из 8; причёску не перенесла ни разу. Krea 2 Edit брала одежду, но переводила аниме-персонажей в реалистичное 3D. Moss Image Edit позу не переносила вовсе, а при четырёх референсах занимала GPU примерно на два часа. Думаю, для комиксов из этой тройки сейчас интереснее Qwen — если персонажи фотореалистичные.
Отдельно автор проверил смену эмоций через pose edit: заданное выражение получилось в 28 случаях из 32, при этом поза, лицо, одежда и фон сохранились в 40 из 40 проверок. Для злого выражения аниме-персонажа понадобились сильные слова вроде furious и clenched teeth; зато в двух из восьми таких попыток сломалась поза с поднятыми руками. ControlNet эмоции менял, но мог портить позу, фон и одежду. Qwen работала на RTX 4060 Ti по 200–350 секунд на результат, а при пяти референсах снижала разрешение чтения до 896 пикселей. Короче, для эмоций автор рекомендует pose edit, а не ControlNet.
Источникnote #画像生成AI
