# Qwen-Image 2.1 Qwen-Image 2.1은 프롬프트와 조건 이미지를 Qwen3-VL 모델과 함께 인코딩한 후, 단일 스트림 블록-인과적(block-causal) 트랜스포머로 대상 이미지를 디노이즈합니다. 블록-인과적 어텐션, 어텐션 프로세서 및 `causal_condition`에 대한 자세한 내용은 [`QwenImage21Transformer2DModel`](../models/qwenimage21_transformer2d)을 참조하세요. 기본값은 Qwen이 권장하는 값인 40단계와 가이던스 없음입니다. `negative_prompt`를 `true_cfg_scale > 1`과 함께 전달하면 classifier-free guidance가 활성화되며, 이는 단계당 작업량을 두 배로 증가시킵니다. ```python import torch from diffusers import QwenImage21Pipeline pipe = QwenImage21Pipeline.from_pretrained("Qwen/Qwen-Image-2.1", dtype=torch.bfloat16).to("cuda") # Text-to-image image = pipe("A capybara wearing a wizard hat, oil painting").images[0] image.save("t2i.png") # Image-conditioned editing edited = pipe("Move it to a snowy mountain top", image=image).images[0] edited.save("edit.png") ``` ## 여러 조건 이미지 `image`에 리스트를 전달하면 모든 항목이 결합된 시퀀스에서 각자의 블록이 됩니다. Qwen3-VL 인코더는 이를 비전 컨텍스트로 인식하고, VAE는 해당 잠재 토큰을 기여합니다. 블록 인과적 어텐션은 각 블록 내부에서는 양방향 어텐션을 유지하면서, 후속 블록과 대상 이미지가 이전 블록에 어텐션할 수 있게 합니다. 따라서 전달하는 순서가 모델이 읽는 순서가 됩니다. ```python edited = pipe("Put the flowers from the first image into the second scene", image=[flowers, scene]).images[0] ``` ## flex_attention으로 더 빠른 attention 기본 `QwenImage21AttnProcessor`는 각 prefix 세그먼트마다 하나의 attention 호출로 block-causal prefill을 실행합니다. 컴파일이 필요하지 않으며 모든 PyTorch 빌드에서 작동합니다. `QwenImage21FlexAttnProcessor`는 동일한 마스크를 단일 `flex_attention` 호출로 표현하며, 모델이 **_컴파일_**된 후에는 더 빠릅니다. > [!TIP] > flex 프로세서로 전환할 때 모델을 컴파일하세요. 컴파일되지 않은 `flex_attention`은 fp32로 전체 어텐션 점수 행렬을 생성하므로, 고해상도에서 훨씬 느리고 메모리가 부족해집니다. ```python from diffusers.models.transformers.transformer_qwenimage21 import QwenImage21FlexAttnProcessor pipe.transformer.set_attn_processor(QwenImage21FlexAttnProcessor()) pipe.transformer.compile() ``` ## 단일 파일 체크포인트 로드 ```python import torch from diffusers import QwenImage21Pipeline, QwenImage21Transformer2DModel transformer = QwenImage21Transformer2DModel.from_single_file( "https://huggingface.co/Comfy-Org/Qwen-Image-2.1/blob/main/diffusion_models/qwen_image_2.1_bf16.safetensors", dtype=torch.bfloat16, ) pipe = QwenImage21Pipeline.from_pretrained("Qwen/Qwen-Image-2.1", transformer=transformer, dtype=torch.bfloat16).to( "cuda" ) ``` ## 샘플링 시그마 모델 작성자는 파이프라인 설정에서 `sample_sigmas`를 사용하여 기본 샘플링 그리드를 구성할 수 있습니다. 공개된 체크포인트를 로드하면 해당 체크포인트의 기본 그리드 및 스케줄러 설정이 자동으로 복원됩니다. 런타임에서 다른 그리드를 실험하려면 `sigmas`를 파이프라인 호출에 전달하세요: ```python # Use the checkpoint's default sampling grid. image = pipe(prompt).images[0] # Override the default grid for this call. image = pipe(prompt, sigmas=[1.0, 0.8, 0.5, 0.2]).images[0] ``` 위의 사용자 정의 그리드는 API를 보여줍니다. 생성 품질은 체크포인트와 그리드에 따라 달라집니다. Sigma 목록에는 스케줄러가 추가하는 최종 sigma가 제외됩니다. 명시적으로 지정된 `sigmas`는 구성된 `sample_sigmas`를 덮어쓰며, 이 두 목록 중 하나가 `num_inference_steps` 대신 단계 수를 결정합니다. 둘 다 제공되지 않으면 파이프라인은 `num_inference_steps`를 사용하여 스케줄을 생성합니다. 스케줄러는 구성된 처리를 두 그리드 중 어느 것에든 적용합니다. ## 모듈형 Qwen-Image 2.1은 [모듈형 파이프라인](../../modular_diffusers/overview)으로도 사용할 수 있습니다. 동일한 블록이 텍스트-이미지 생성과 이미지 조건 생성을 수행하며, 하나 이상의 이미지에 조건을 걸려면 `image`를 전달합니다. Classifier-free guidance는 `true_cfg_scale` 호출 인수가 아닌 `guider` 구성 요소를 통해 설정되며, prefix KV 캐시는 기본적으로 활성화되어 있습니다(`use_kv_cache=False`로 비활성화할 수 있음). ```python import torch from diffusers import ClassifierFreeGuidance, ModularPipeline pipe = ModularPipeline.from_pretrained("Qwen/Qwen-Image-2.1") pipe.load_components(dtype=torch.bfloat16) pipe.to("cuda") image = pipe(prompt="A capybara wearing a wizard hat, oil painting").images[0] # Turn classifier-free guidance on for an edit. pipe.update_components(guider=ClassifierFreeGuidance(guidance_scale=4.0)) edited = pipe(prompt="Move it to a snowy mountain top", negative_prompt="blurry", image=image).images[0] ``` Turbo 체크포인트는 자체 블록([QwenImage21TurboAutoBlocks](/docs/diffusers/main/ko/api/pipelines/qwenimage21#diffusers.QwenImage21TurboAutoBlocks))에 매핑됩니다. `guider` 없이 실행되며, `negative_prompt`를 받지 않고, 체크포인트에 포함된 시그마 그리드를 샘플링합니다. `ModularPipeline.from_pretrained`는 체크포인트 설정의 `sample_sigmas` 항목에서 Turbo 블록을 선택하므로, 별도의 구성이 필요하지 않습니다: ```python import torch from diffusers import ModularPipeline pipe = ModularPipeline.from_pretrained("Qwen/Qwen-Image-2.1-Turbo") pipe.load_components(dtype=torch.bfloat16) pipe.to("cuda") image = pipe(prompt="A capybara wearing a wizard hat, oil painting").images[0] ``` ## QwenImage21Pipeline[[diffusers.QwenImage21Pipeline]] #### diffusers.QwenImage21Pipeline[[diffusers.QwenImage21Pipeline]] ```python diffusers.QwenImage21Pipeline(scheduler: FlowMatchEulerDiscreteScheduler, vae: AutoencoderKLQwenImage21, text_encoder: Qwen3VLForConditionalGeneration, processor: Qwen3VLProcessor, transformer: QwenImage21Transformer2DModel, sample_sigmas: list[float] | None = None) ``` [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/qwenimage21/pipeline_qwenimage21.py#L159) **매개변수:** scheduler ([FlowMatchEulerDiscreteScheduler](/docs/diffusers/main/ko/api/schedulers/flow_match_euler_discrete#diffusers.FlowMatchEulerDiscreteScheduler)) : 인코딩된 이미지 레이턴트를 디노이즈하는 데 사용되는 스케줄러. vae ([AutoencoderKLQwenImage21](/docs/diffusers/main/ko/api/models/autoencoderkl_qwenimage21#diffusers.AutoencoderKLQwenImage21)) : 이미지를 64채널 잠재 공간으로 매핑하고 그 반대 방향으로도 변환하는 변분 오토인코더(Variational auto-encoder)입니다. text_encoder (`Qwen3VLForConditionalGeneration`) : 텍스트/이미지 결합 임베딩을 생성하는 Qwen3-VL 모델. processor (`Qwen3VLProcessor`) : 채팅 템플릿을 구성하고 프롬프트 및 조건 이미지를 토큰화하는 프로세서입니다. transformer ([QwenImage21Transformer2DModel](/docs/diffusers/main/ko/api/models/qwenimage21_transformer2d#diffusers.QwenImage21Transformer2DModel)) : latents를 디노이즈하는 단일 스트림 블록 인과적 transformer입니다. sample_sigmas (`list[float]`, *선택 사항*) : 모델 작성자가 설정한 기본 샘플링 시그마로, 최종 시그마는 제외됩니다. 이 길이가 디노이징 단계의 수를 결정합니다. 런타임에서 다른 그리드를 실험하려면 `sigmas`를 `__call__`에 전달하세요. Qwen-Image 2.1을 활용한 텍스트-이미지 생성 및 이미지 조건부 생성 Prompt과 condition image는 Qwen3-VL 모델에 의해 함께 인코딩되므로, condition image는 인코더가 해당 이미지를 위해 예약한 vision slots를 차지하고 transformer는 하나의 교차된 텍스트/이미지 시퀀스를 확인합니다. #### __호출__[[diffusers.QwenImage21Pipeline.__call__]] ```python __call__(prompt: str | list[str] = None, image: typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor], NoneType] = None, negative_prompt: str | list[str] = None, true_cfg_scale: float = 1.0, height: int | None = None, width: int | None = None, num_inference_steps: int = 40, sigmas: list[float] | None = None, num_images_per_prompt: int = 1, generator: typing.Union[torch.Generator, list[torch.Generator], NoneType] = None, latents: typing.Optional[torch.Tensor] = None, prompt_embeds: typing.Optional[torch.Tensor] = None, prompt_embeds_mask: typing.Optional[torch.Tensor] = None, negative_prompt_embeds: typing.Optional[torch.Tensor] = None, negative_prompt_embeds_mask: typing.Optional[torch.Tensor] = None, output_type: str | None = 'pil', return_dict: bool = True, attention_kwargs: dict[str, typing.Any] | None = None, callback_on_step_end: typing.Optional[typing.Callable[[int, int, dict], NoneType]] = None, callback_on_step_end_tensor_inputs: list = ['latents'], output_resolution: int = 1024, use_kv_cache: bool = True) ``` [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/qwenimage21/pipeline_qwenimage21.py#L509) **매개변수:** prompt (`str` 또는 `list[str]`, *선택 사항*) : 이미지 생성을 안내하는 프롬프트입니다. 임베딩을 직접 제공하려면 대신 `prompt_embeds`를 전달하세요. image (`PipelineImageInput`, *선택 사항*) : PIL 이미지 또는 numpy 배열 형태의 하나 이상의 조건 이미지입니다. 텍스트 인코더에 의해 비전 컨텍스트로, VAE에 의해 노이즈 앞에 붙는 잠재 토큰으로 인코딩됩니다. 리스트는 배치 내 모든 프롬프트가 공유하는 이미지 한 세트를 의미하며, 프롬프트당 하나의 항목을 의미하지 않습니다. negative_prompt (`str` 또는 `list[str]`, *선택 사항*) : 이미지 생성을 안내하지 않을 프롬프트입니다. `true_cfg_scale`이 1보다 크지 않으면 무시됩니다. true_cfg_scale (`float`, *선택 사항*, 기본값 1.0) : Classifier-free guidance scale입니다. `true_cfg_scale > 1`과 negative prompt를 함께 사용할 때 활성화됩니다. Qwen-Image 2.1은 guidance 없이 샘플링하도록 설계되었으므로 기본값이 1.0입니다. height (`int`, *선택 사항*) : 생성된 이미지의 픽셀 단위 높이. 생략하면 조건 이미지의 종횡비(aspect ratio)에서 유도됩니다. width (`int`, *선택 사항*) : 생성된 이미지의 픽셀 단위 너비. 생략하면 조건 이미지의 종횡비(aspect ratio)에서 유도됩니다. num_inference_steps (`int`, *선택 사항*, 기본값 40) : 디노이징 단계 수. `sigmas` 또는 파이프라인에 구성된 `sample_sigmas`가 사용되면 무시됩니다. 해당 스케줄의 길이가 단계 수를 결정합니다. sigmas (`list[float]`, *선택 사항*) : 이 호출에서 시도할 샘플링 시그마입니다. 최종 시그마는 제외됩니다. 파이프라인에 설정된 `sample_sigmas`를 덮어쓰며 디노이징 단계 수를 결정합니다. 스케줄러는 이 값들에 대해 설정된 처리를 적용합니다. num_images_per_prompt (`int`, *선택 사항*, 기본값 1) : 프롬프트당 생성할 이미지 수. generator (`torch.Generator` 또는 `list[torch.Generator]`, *선택 사항*) : 생성을 결정적으로 만들기 위한 Generator(s). latents (`torch.Tensor`, *선택 사항*) : 미리 생성된 노이즈가 포함된 잠재 변수(latents). prompt_embeds (`torch.Tensor`, *선택 사항*) : 프롬프트 인코딩을 건너뛰는 사전 생성된 텍스트 임베딩입니다. `prompt_embeds_mask`를 함께 전달해야 합니다. prompt_embeds_mask (`torch.Tensor`, *선택 사항*) : `prompt_embeds`의 유효한 위치를 표시하는 Bool 마스크. negative_prompt_embeds (`torch.Tensor`, *선택 사항*) : `negative_prompt` 대신 사용되는 사전 생성된 negative text embeddings입니다. 이 값과 함께 `negative_prompt_embeds_mask`를 전달해야 합니다. negative_prompt_embeds_mask (`torch.Tensor`, *선택 사항*) : `negative_prompt_embeds`의 유효한 위치를 표시하는 Bool 마스크입니다. output_type (`str`, *선택 사항*, 기본값 `"pil"`) : 출력 형식, `"pil"`, `"np"`, `"pt"` 또는 `"latent"`. return_dict (`bool`, *선택 사항*, 기본값 `True`) : 일반 튜플 대신 `~pipelines.qwenimage.QwenImagePipelineOutput`을 반환할지 여부. attention_kwargs (`dict`, *선택 사항*) : attention processor로 전달됩니다. callback_on_step_end (`Callable`, *선택 사항*) : 각 디노이징 단계의 끝에서 호출됩니다. callback_on_step_end_tensor_inputs (`list[str]`, *선택 사항*, 기본값 `["latents"]`) : `callback_on_step_end`에 전달할 디노이징 루프의 텐서입니다. 파이프라인의 `_callback_tensor_inputs`에 나열되어 있어야 합니다. output_resolution (`int`, *선택 사항*, 기본값 1024) : `height`/`width`를 유도하고 조건 이미지를 리사이즈하는 데 사용되는 목표 측면 길이입니다. use_kv_cache (`bool`, *선택 사항*, 기본값 `True`) : 첫 번째 단계 이후에 텍스트 및 조건 이미지 키와 값을 캐시합니다. `causal_condition`가 `t = 0`부터 해당 토큰을 변조하기 때문에, 이들의 활성화는 단계에 독립적이므로 유효합니다. 이 옵션을 전환해도 저정밀도에서 비트 단위로 동일한 이미지를 재현하지 않습니다. 캐싱을 사용하면 디코딩 단계가 프리필 단계와 다른 시퀀스 레이아웃으로 어텐션을 수행하므로, 두 단계가 다른 방식으로 타일링되어 서로 다른 반올림 결과를 냅니다. 두 결과 모두 fp32 기준값과 동일한 허용 오차 내에서 일치합니다. 첫 번째 블록의 1-ULP 차이는 32개 블록과 모든 샘플러 단계를 거치면서 증폭되므로, 두 설정은 모두 유효하지만 시각적으로 구별되는 샘플을 생성합니다. 샘플을 고정하려면 이 플래그를 고정해야 합니다. **반환값:** `~pipelines.qwenimage.QwenImagePipelineOutput` 또는 `tuple` `return_dict`가 True인 경우 `~pipelines.qwenimage.QwenImagePipelineOutput`, 그렇지 않으면 첫 번째 요소가 생성된 이미지의 리스트인 `tuple` 생성을 위해 파이프라인을 호출할 때 호출되는 함수. 예: ```py >>> import torch >>> from diffusers import QwenImage21Pipeline >>> pipe = QwenImage21Pipeline.from_pretrained("Qwen/Qwen-Image-2.1", dtype=torch.bfloat16) >>> pipe.to("cuda") >>> prompt = "A capybara wearing a wizard hat, reading a book by candlelight, oil painting" >>> image = pipe(prompt).images[0] >>> image.save("qwenimage21.png") ``` #### encode_prompt[[diffusers.QwenImage21Pipeline.encode_prompt]] ```python encode_prompt(prompt: str | list[str], image: list[typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor]]] | None = None, device: typing.Optional[torch.device] = None, num_images_per_prompt: int = 1, prompt_embeds: typing.Optional[torch.Tensor] = None, prompt_embeds_mask: typing.Optional[torch.Tensor] = None, image_pad_mask: typing.Optional[torch.Tensor] = None) ``` [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/qwenimage21/pipeline_qwenimage21.py#L339) **매개변수:** prompt (`str` 또는 `list[str]`, *선택 사항*) : 인코딩할 프롬프트. image (`list[PipelineImageInput]`, *선택 사항*) : 프롬프트와 함께 인코딩할 조건 이미지. device (`torch.device`) : Torch 장치. num_images_per_prompt (`int`) : 프롬프트당 생성되는 이미지의 수. prompt_embeds (`torch.Tensor`, *선택 사항*) : 미리 생성된 텍스트 임베딩. 값이 제공되면 인코딩을 건너뜁니다. ## QwenImagePipelineOutput[[diffusers.pipelines.qwenimage.pipeline_output.QwenImagePipelineOutput]] #### diffusers.pipelines.qwenimage.pipeline_output.QwenImagePipelineOutput[[diffusers.pipelines.qwenimage.pipeline_output.QwenImagePipelineOutput]] ```python diffusers.pipelines.qwenimage.pipeline_output.QwenImagePipelineOutput(images: list[PIL.Image.Image] | numpy.ndarray) ``` [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/qwenimage/pipeline_output.py#L10) **매개변수:** images (`list[PIL.Image.Image]` 또는 `np.ndarray`) : 길이가 `batch_size`인 노이즈 제거된 PIL 이미지 목록 또는 `(batch_size, height, width, num_channels)` 모양의 numpy 배열. PIL 이미지 또는 numpy 배열은 diffusion 파이프라인의 노이즈 제거된 이미지를 나타냅니다. Stable Diffusion 파이프라인의 출력 클래스입니다. ## QwenImage21ModularPipeline[[diffusers.QwenImage21ModularPipeline]] #### diffusers.QwenImage21ModularPipeline[[diffusers.QwenImage21ModularPipeline]] ```python diffusers.QwenImage21ModularPipeline(blocks: diffusers.modular_pipelines.modular_pipeline.ModularPipelineBlocks | None = None, pretrained_model_name_or_path: str | os.PathLike | None = None, components_manager: diffusers.modular_pipelines.components_manager.ComponentsManager | None = None, collection: str | None = None, workflow: str | None = None, modular_config_dict: dict[str, typing.Any] | None = None, config_dict: dict[str, typing.Any] | None = None, **kwargs) ``` [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/modular_pipelines/qwenimage21/modular_pipeline.py#L23) Qwen-Image 2.1용 ModularPipeline. ## QwenImage21AutoBlocks[[diffusers.QwenImage21AutoBlocks]] #### diffusers.QwenImage21AutoBlocks[[diffusers.QwenImage21AutoBlocks]] ```python diffusers.QwenImage21AutoBlocks() ``` [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/modular_pipelines/qwenimage21/modular_blocks_qwenimage21.py#L497) Qwen-Image 2.1을 사용한 텍스트-이미지 변환 및 이미지 조건 생성을 위한 Auto Modular 파이프라인. - 텍스트-이미지 생성의 경우 `prompt`만 제공하면 됩니다 - 이미지 조건 생성을 위해 `prompt`와 `image`(이미지 하나 또는 목록)를 제공해야 합니다 지원되는 워크플로: - `text2image`: `prompt` 필수 - `image_conditioned`: `prompt`, `image` 필수 구성 요소: image_processor (`VaeImageProcessor`) text_encoder (`Qwen3VLForConditionalGeneration`) processor (`Qwen3VLProcessor`) vae (`AutoencoderKLQwenImage21`) scheduler (`FlowMatchEulerDiscreteScheduler`) guider (`ClassifierFreeGuidance`) transformer (`QwenImage21Transformer2DModel`) Inputs: image (`Image | list`, *optional*): Reference image(s) for denoising. Can be a single image or list of images. output_resolution (`int`, *optional*, defaults to 1024): Target side length used to derive the output size and to resize condition images. prompt (`str`): The prompt or prompts to guide image generation. negative_prompt (`str`, *optional*): The prompt or prompts not to guide the image generation. generator (`Generator`, *optional*): Torch generator for deterministic generation. num_images_per_prompt (`int`, *optional*, defaults to 1): The number of images to generate per prompt. height (`int`, *optional*): The height in pixels of the generated image. width (`int`, *optional*): The width in pixels of the generated image. image_latents (`list`, *optional*): Normalized latents of each condition image. Can be generated from vae_encoder step. latents (`Tensor`): Pre-generated noisy latents for image generation. num_inference_steps (`int`): The number of denoising steps. sigmas (`list`, *optional*): Custom sigmas for the denoising process. use_kv_cache (`bool`, *optional*, defaults to True): Cache the text and condition-image keys and values after the first step. Valid because `causal_condition` modulates those tokens from `t = 0`, making their activations step-independent. Toggling it does not reproduce the same image bit-for-bit in reduced precision. attention_kwargs (`dict`, *optional*): Additional kwargs for attention processors. **denoiser_input_fields (`None`, *optional*): conditional model inputs for the denoiser: e.g. prompt_embeds, negative_prompt_embeds, etc. output_type (`str`, *optional*, defaults to pil): Output format: 'pil', 'np', 'pt'. 출력: 이미지 (`list`): 생성된 이미지. ## QwenImage21TurboModularPipeline[[diffusers.QwenImage21TurboModularPipeline]] #### diffusers.QwenImage21TurboModularPipeline[[diffusers.QwenImage21TurboModularPipeline]] ```python diffusers.QwenImage21TurboModularPipeline(blocks: diffusers.modular_pipelines.modular_pipeline.ModularPipelineBlocks | None = None, pretrained_model_name_or_path: str | os.PathLike | None = None, components_manager: diffusers.modular_pipelines.components_manager.ComponentsManager | None = None, collection: str | None = None, workflow: str | None = None, modular_config_dict: dict[str, typing.Any] | None = None, config_dict: dict[str, typing.Any] | None = None, **kwargs) ``` [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/modular_pipelines/qwenimage21/modular_pipeline.py#L54) 가이던스 없이 몇 단계 만에 샘플링하는 가속 체크포인트인 Qwen-Image 2.1 Turbo용 ModularPipeline입니다. ## QwenImage21TurboAutoBlocks[[diffusers.QwenImage21TurboAutoBlocks]] #### diffusers.QwenImage21TurboAutoBlocks[[diffusers.QwenImage21TurboAutoBlocks]] ```python diffusers.QwenImage21TurboAutoBlocks() ``` [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/modular_pipelines/qwenimage21/modular_blocks_qwenimage21_turbo.py#L466) Qwen-Image 2.1 Turbo를 사용하여 텍스트-이미지 생성 및 이미지 조건 생성을 위한 Auto Modular pipeline입니다. Qwen-Image 2.1 Turbo는 guidance 없이 몇 단계 만에 포함된 sigma grid를 샘플링하는 가속화된 체크포인트입니다. - 텍스트-이미지 생성의 경우 `prompt`만 제공하면 됩니다 - 이미지 조건 생성을 위해 `prompt`와 `image`(이미지 하나 또는 목록)를 제공해야 합니다 지원되는 워크플로: - `text2image`: `prompt` 필수 - `image_conditioned`: `prompt`, `image` 필수 구성 요소: image_processor (`VaeImageProcessor`) text_encoder (`Qwen3VLForConditionalGeneration`) processor (`Qwen3VLProcessor`) vae (`AutoencoderKLQwenImage21`) scheduler (`FlowMatchEulerDiscreteScheduler`) transformer (`QwenImage21Transformer2DModel`) Configs: sample_sigmas (기본값: None): `sigmas`가 전달되지 않을 때 사용되는, 체크포인트에 포함된 샘플링 그리드 Inputs: image (`Image | list`, *optional*): Reference image(s) for denoising. Can be a single image or list of images. output_resolution (`int`, *optional*, defaults to 1024): Target side length used to derive the output size and to resize condition images. prompt (`str`): The prompt or prompts to guide image generation. generator (`Generator`, *optional*): Torch generator for deterministic generation. num_images_per_prompt (`int`, *optional*, defaults to 1): The number of images to generate per prompt. height (`int`, *optional*): The height in pixels of the generated image. width (`int`, *optional*): The width in pixels of the generated image. image_latents (`list`, *optional*): Normalized latents of each condition image. Can be generated from vae_encoder step. latents (`Tensor`): Pre-generated noisy latents for image generation. num_inference_steps (`int`): The number of denoising steps. sigmas (`list`, *optional*): Custom sigmas for the denoising process. use_kv_cache (`bool`, *optional*, defaults to True): Cache the text and condition-image keys and values after the first step. Valid because `causal_condition` modulates those tokens from `t = 0`, making their activations step-independent. Toggling it does not reproduce the same image bit-for-bit in reduced precision. attention_kwargs (`dict`, *optional*): Additional kwargs for attention processors. **denoiser_input_fields (`None`, *optional*): conditional model inputs for the denoiser: e.g. prompt_embeds, negative_prompt_embeds, etc. output_type (`str`, *optional*, defaults to pil): Output format: 'pil', 'np', 'pt'. 출력: 이미지 (`list`): 생성된 이미지.