← ブログに戻る
Ai読了目安 11 分

Qwen-Image 2.1にLoRAを1つ足して、写真1枚を360度パノラマに広げる

公開日 2026年11月10日
Qwen-Image 2.1にLoRAを1つ足して、写真1枚を360度パノラマに広げる

10月30日、Hugging Faceに、名前が長すぎて折り返さないと収まらないモデルが現れました。qwen-image-2.1-360-panorama-outpaint-loraです。作者はnomadoor。やっていることは素朴で、Qwen-Image 2.1にLoRAを1つ足し、普通の写真を四方に描き足して、360度のパノラマ1周に仕上げるというものです。

これが解く場面はけっこう具体的です。民宿のリビングを撮った写真をVRヘッドセットに入れて、首を振って見回したい。ゲームのスカイボックスや3Dシーンの環境光テクスチャを作りたい。どれも2:1の球面画像が必要で、左右の端がつながっていなければなりません。手元に写真はある。足りないのは「写真の外側の300度」です。

これまでは1枚の画像をoutpaintして、継ぎ目を手で合わせるのが普通でした。今回の作者は手順を固定しています。キャンバスを2:1で開き、写真を置き、中身のない場所を純緑で塗り、プロンプトは決まったトリガー句から始める。緑は飾りではなく、モデルへの境界マーカーです。どこが空き地で、どこが撮影済みかを教えています。

実際に何をしているのか

「パノラマを埋める」と聞くと、モデルが部屋を丸ごと作り出すところを想像する人が多いはずです。このLoRAは違います。置いた写真を中心にして、左右と上下へ広げ、球面上で環として閉じさせる。作者が挙げている設定はstrength 0.8、25ステップ、出力2048×1024です。

2048×1024というサイズは、別に触れておく価値があります。ちょうど2:1で、なおかつ大半のパノラマプレイヤー、ゲームエンジンのスカイボックス、3Dソフトの環境テクスチャがそのまま飲み込める仕様です。これ以上解像度を上げても空間の感じは良くならず、継ぎ目が合わせにくくなるだけです。展示用の絵ではなく、パイプラインに載るものを作っている。この選択にそれが表れています。

显示器上摊开的 2:1 全景画布,中间是一张客厅照片,四周是纯绿色空白

難しいのは絵ではなく、左右の端を合わせること

作者のテスト記録によれば、このLoRAの作業量はほぼ1点に費やされています。左端と右端をつないだときに継ぎ目が見えないようにすることです。理屈は難しくありません。パノラマを平面に展開すると、いちばん左といちばん右は世界座標では同じ経線になります。ところがモデルは生成時にそれを別々の2枚の絵として扱い、それぞれ勝手に描きます。その結果、空に木が1本増え、地面の手すりが1本消え、つなぐとずれる。

「純緑で塗る+固定のトリガー句」が推奨ではなく必須なのも、ここに理由があります。塗り残しが1ブロックでもあると、モデルはそれを実在する内容として続きを描き、端の意味が噛み合いません。プロンプトからトリガー句を1つ落とすと、自分がパノラマを埋めていることに気づかず、普通の画像拡張として処理してしまいます。

言い換えるなら、このLoRAの上限は重みだけで決まるわけではありません。かなりの部分が、手元のキャンバスがどれだけきれいかで決まります。

ライセンスは、一度立ち止まって見る価値がある

リポジトリに付いているのはQwen Research Licenseです。Apache 2.0でもMITでもありません。「使えるが、先に条項を読むこと」という種類のもので、とくに生成したパノラマをクライアントの案件に入れる、ゲームの販売パッケージに入れる、素材として売る、といった使い方をするならなおさらです。作者も説明の中でそこに触れています。

オープンソースの界隈には、あまり良くない習慣があります。重みがダウンロードできると見た瞬間、商用利用もできると決めつけてしまう。研究ライセンスと商用ライセンスの差は、たいてい法務から実際に質問が来た日に表面化します。パノラマはとくに境界を踏みやすい題材です。モデルルーム、観光地の案内、VR内見、ゲームのマップ。どれも商用の場面です。

なぜパノラマで、なぜ今なのか

少し引いて見ると、このLoRAはなかなか面白い位置に現れています。画像生成モデルのこの2年の進歩は、主に「1枚の絵がきれいであること」に集中していて、空間の一貫性はずっと弱点でした。美しい部屋は作れても、カメラを90度回すと家具の位置が変わる。パノラマ補完は、その問題をLoRAで解ける範囲まで縮めたものです。モデルに3Dを理解させるのではなく、閉じた1本の境界の上で連続性を保たせればいい。

この種の小さなLoRAがここ半年で増えているのも、同じ理由でしょう。ベースモデルは画質と意味づけを十分にこなします。残った仕事は「特定の幾何関係を教え込む」ことです。数十MBの重みと、固定のキャンバス仕様と、トリガーの1語。それでひとつの需要をまるごと取れます。

代わりに壊れやすい。ベースが上がればLoRAは再学習が要ります。キャンバス仕様が変われば端が合いません。プロンプトの語調が変われば結果も流れます。道具一式というより、専用のレンチに近いものです。

実際に試すときの手順

試すなら順番を間違えないこと。まずキャンバスを2:1で開き、元の写真を中心より少し下に置きます。屋内写真の消失点はたいていこの高さにあり、モデルがこの高さを基準に左右へ広げると、継ぎ目がいちばん出にくくなります。空き領域は純緑で埋めます。半透明はだめ、グラデーションもだめです。

プロンプトの冒頭にトリガー句を置き、そのあとにシーンの説明を書きます。説明でいちばん効くのは光の向きです。パノラマでは左右の照明が連続していなければならないので、「光は画面の左前方から」と伝えれば、右側は暗くなるべきだと理解します。strengthは0.8から、まず25ステップで1回回して継ぎ目を見ます。最初からステップ数を上げないこと。

最後に、継ぎ目はモデルで何度も引き直して解決しないほうがいい。10回引き直すより、左右を128ピクセルずつ切り出して、画像ソフトで一度ミラー合成したほうが確実です。モデルは中身を描く、継ぎ目は決定的なツールに任せる。この分担のほうが、モデルが自力で悟るのを待つよりずっと当てになります。

パノラマという領域は、当分こんな形でしょう。ベースが画質を担い、小さなLoRAが幾何を担い、人は間に入って境界を均す。優雅には聞こえませんが、絵は出ます。

関連記事