lodestones/Kromoss：基於 MOSS-Image-Base 的全微調模型，顯著改善影像模糊問題

Hugging Face 上的 Kromoss 模型是 MOSS-Image-Base 在 1024 像素解析度下的全微調版本，旨在修正基礎模型存在的影像模糊問題。該模型採用與 MOSS-Image-SFT 相同的架構、推理管線、文字編碼器 Qwen3.5-9B 以及 VAE FLUX.2 small decoder。由於儲存庫結構一致，Kromoss 可作為現有架構的無縫替換方案。

訓練過程使用了 448,000 張訓練影像，並提供更新到第 7000 次迭代的檢查點（EMA weights）。為支援快速推理，儲存庫同時提供了 8 步 Turbo LoRA 模型（8-steps-dmd-lora.safetensors）。此 LoRA 基於 MOSS-Image-Base 的 data-space DMD 蒸餾技術訓練而成，設定為 8 步、CFG 1 且無負向分支。根據參數對比，標準 50 步推理搭配 CFG 3，或 8 步搭配 CFG 1，均可透過加載此 LoRA 進行加速或優化。

使用者需安裝特定版本的 Python 套件以運行該模型，包括 diffusers（>=0.38）、transformers（>=5.3）、accelerate（>=1.10）、safetensors（>=0.6）以及 Pillow（>=10）。