← 返回部落格
Ai預計閱讀 7 分鐘

給 Qwen-Image 2.1 裝一支 LoRA,把一張照片補成 360 度全景

發布於 2026年11月10日
給 Qwen-Image 2.1 裝一支 LoRA,把一張照片補成 360 度全景

10 月 30 日,Hugging Face 上出現了一個名字長到需要換行的模型:qwen-image-2.1-360-panorama-outpaint-lora。作者是 nomadoor,做法很樸素——給 Qwen-Image 2.1 加一個 LoRA,讓它把一張普通照片往四周補,補成一整圈 360 度全景。

這東西解決的場景其實很具體。你拍了一張民宿的客廳照,想放進 VR 頭戴裝置裡讓人轉頭看;或者做遊戲天空盒、給三維場景做環境光照貼圖,都需要一張 2:1 的球面圖,左右兩端要能對上。手上有照片,缺的是「照片之外的那 300 度」。

以前的做法是拿一張圖去外擴,補完再手動接縫。這次作者把流程寫死了:畫布按 2:1 開,把照片放上去,沒內容的地方塗成純綠,提示詞以固定觸發句開頭。綠色不是裝飾,它是給模型的邊界標記——告訴它哪塊是空地,哪塊是已經拍過的東西。

它到底在做什麼

很多人對「補全景」的想像,是模型憑空造出一整個房間。這個 LoRA 不是。它是以你放進去的照片為中心,向兩側和上下延展,讓畫面在球面上閉合成環。作者自己給的參數是 strength 0.8、25 步、輸出 2048×1024。

2048×1024 這個尺寸值得單獨說一句。它剛好是 2:1,也剛好是大多數全景播放器、遊戲引擎天空盒、三維軟體環境貼圖吃得下的規格。再往上加解析度不會讓空間感變好,只會讓接縫更難對齊。這個選擇說明作者不是在生成展示圖,是在做能進產線的東西。

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

最難的不是畫,是左右兩邊對齊

按作者的測試記錄,這個 LoRA 的主要工作量花在一件事上:讓左邊緣和右邊緣接起來的時候看不出接縫。道理不難理解。全景圖展開成平面後,最左邊和最右邊在世界座標裡其實是同一條經線。模型在生成時會把它們當成兩塊獨立的畫面,各畫各的,於是天上多一棵樹、地上少一段欄杆,接上去就錯位。

這也是為什麼「塗純綠 + 固定觸發句」這套操作是硬要求,而不是建議。畫布上多一塊沒塗乾淨的區域,模型就會把它當成真實內容去延續,邊緣的語義就對不上。你在提示詞裡少寫一句觸發語,它可能根本不知道自己在補全景,而是按一般擴圖來做。

換句話說,這個 LoRA 的能力上限不完全由權重決定,很大一部分在你手上那張畫布有多乾淨。

授權這件事,值得停下來看一眼

倉庫掛的是 Qwen Research License。這不是 Apache 2.0,也不是 MIT。它屬於「可以用、但要先讀條款」的那一類,尤其是你打算把生成的全景圖放進客戶專案、放進遊戲發行包、或者做成素材販售的時候。作者在說明裡也提醒了這一點。

開源生態裡有個不太好的習慣:大家看到權重能下載,就預設能商用。研究授權和商用授權之間的差距,通常在法務真的來問的那天才會顯形。全景圖又特別容易踩線——它經常出現在樣品屋、景區導覽、VR 看房、遊戲地圖裡,全都是商業場景。

為什麼是全景,為什麼是現在

把時間軸拉長看,這條 LoRA 出現在一個挺有意思的位置上。生圖模型這兩年的進步主要集中在「單張畫面好看」,而空間一致性一直是短板:你能生成一間很漂亮的屋子,但讓鏡頭轉 90 度,家具就換了位置。全景補圖是把這個問題縮小到一個可以被 LoRA 解決的範圍裡——不要求模型理解三維,只要求它在一條閉合的邊界上保持連貫。

這也解釋了為什麼這類小 LoRA 近半年在社群裡越來越多。基座模型已經把畫質和語義做夠了,剩下的活是「把某種特定幾何關係教給它」。一個幾十 MB 的權重,配一個固定畫布規格,配一句觸發詞,就能吃下一整類需求。

代價是脆弱。基座一升級,LoRA 就要重訓;畫布規格一改,邊緣就對不上;提示詞一換語氣,結果就飄。它更像一支專用扳手,不像一整套工具。

實作建議

如果你打算試,順序別搞反。先把畫布按 2:1 開好,把原圖放在中心偏下的位置——大多數室內照的消失點都在這個高度,模型沿著這個高度向兩側延展,接縫最不容易露。空白區用純綠填滿,不要留半透明,不要用漸層。

提示詞開頭放觸發句,後面再寫場景描述。描述裡最有用的是光照方向,因為全景的左右兩側光照必須連續,你告訴它「光從畫面左前方來」,它就知道右側該暗下去。strength 從 0.8 起,25 步先跑一次看接縫,別一上來就加步數。

最後,接縫不要在模型裡反覆重抽解決。抽十次不如把左右兩側各裁 128 像素,在影像軟體裡做一次鏡像混合。模型負責把內容畫出來,接縫交給確定性的工具,這個分工比指望模型自己頓悟可靠得多。

全景這條線,短期內大概還是這樣:基座管畫質,小 LoRA 管幾何,人在中間負責把邊界抹平。聽起來不夠優雅,但它能出片。

相關文章