Model
.ai
open AI-modellen volgen

Qwen Image 2.1 Restore LoRA

8396°
Qwen Image 2.1 Restore LoRA
Gemaakt door
AusBoss
op Civitai

By AusBoss - A LoRA that softens the harsh upscale Qwen Image 2.1 does by itself: the result is a little softer, still detailed, makes up less, and stays true to your picture. Qwen Image 2.1 can upscale a small or worn picture without this LoRA, but it overdoes it. Skin turns gritty, pores and freckles show up that were not there, faces look older, and the picture shifts a few pixels. With this LoRA the result stays on your picture. Blurry photos need a lower strength. If your picture is out of focus, shaky, or a frame from a video, set the LoRA to 0.5. At 1.0 it stays true to the blur and…By AusBoss - A LoRA that softens the harsh upscale Qwen Image 2.1 does by itself: the result is a little softer, still detailed, makes up less, and stays true to your picture. Qwen Image 2.1 can upscale a small or worn picture without this LoRA, but it overdoes it. Skin turns gritty, pores and freckles show up that were not there, faces look older, and the picture shifts a few pixels. With this LoRA the result stays on your picture. Blurry photos need a lower strength. If your picture is out of focus, shaky, or a frame from a video, set the LoRA to 0.5. At 1.0 it stays true to the blur and the result comes back soft. A small or compressed picture that is in focus is fine at 1.0. No trigger word. Start at strength 1.0, enlarge your picture to about 2 megapixels, give it as image 1, and ask: Restore the photo: remove blur, noise and compression artifacts and recover sharp, natural detail, keeping the same composition, people and colors. For scratched or faded prints: Restore the old photo: remove scratches, dust, fading and grain and recover sharp, natural detail and color, keeping the same composition and people. On an old print it takes out scratches, dust and grain and brings back most of the color.

Notities van de maker
A LoRA that softens the harsh upscale Qwen Image 2.1 does by itself: the result is a little softer, still detailed, makes up less, and stays true to your picture. Qwen Image 2.1 can upscale a small or worn picture without this LoRA, but it overdoes it. Skin turns gritty, pores and freckles show up that were not there, faces look older, and the picture shifts a few pixels. With this LoRA the result stays on your picture. Blurry photos need a lower strength. If your picture is out of focus, shaky, or a frame from a video, set the LoRA to 0.5. At 1.0 it stays true to the blur and the result comes back soft. A small or compressed picture that is in focus is fine at 1.0. No trigger word. Start at strength 1.0, enlarge your picture to about 2 megapixels, give it as image 1, and ask: Restore the photo: remove blur, noise and compression artifacts and recover sharp, natural detail, keeping the same composition, people and colors. For scratched or faded prints: Restore the old photo: remove scratches, dust, fading and grain and recover sharp, natural detail and color, keeping the same composition and people. On an old print it takes out scratches, dust and grain and brings back most of the color. Why use it Measured on 37 small pictures it never trained on, each compared with the full-size picture it was shrunk from. Same seed and request, 8 steps with Viggle Turbo: - The picture stays in place. Without the LoRA the result sits more than 2 px off. With it: about 0.3 px. - The face stays the same person. Face match 0.79 without, 0.88 with (on 29 of them; closer on every one). - The colors stay. Color and brightness shift 1.9 % without, 0.9 % with. - It makes up less. Plain Qwen draws more grain than the full-size picture has. The LoRA draws a little less than it has, so results are slightly soft. The pictures on this page show it: the small input, the result without the LoRA (amber) and with it (teal), and a section enlarged underneath. How to use it The workflow on this page has it set up: load your image and press Run. One pass at about 2 megapixels, with a Fast switch (8 steps with Viggle Turbo, or 25 steps without it). It is the second file of this version, and it is inside every still picture here: drop one on ComfyUI. It uses my . For a result over 2 megapixels, use my workflow. It redraws the picture in tiles with this LoRA. In your own Qwen Image 2.1 edit graph: - A LoRA loader right after the model loader, strength 1.0 to start. Strength works as a dial: 0.5 for a blurry photo, 0.75 for a little more of Qwen's own texture, 1.0 to stay truest to your picture. - Resize your picture to about 2 MP, both sides divisible by 32. - Text Encode Qwen Image 2.1: the resized picture as image_1, resolution 0, the request as the prompt. - KSampler on the encoder's latent output: CFG 1, euler / simple, denoise 1. 8 steps with Viggle Turbo at 1.0, or 25 steps without it. - VAE Decode, then Split Image with Alpha (the Qwen 2.1 VAE decodes RGBA). Limits - A blurry photo comes back soft at 1.0. Lower the strength to 0.5. On 26 real low-resolution photos, the 6 blurriest needed that. - It is a redraw, not a recovery. Fine detail is made up to fit, and a face stays the same person, not the same pixels. - Plain Qwen 2.1 draws more texture. This LoRA trades some of that for staying true to the picture. - Small faces are redrawn. A face about 100 px tall in your picture can come back as a slightly different person. - Trained at 1 to 2 megapixels. Keep each pass at about 2 MP; for a bigger result, redraw the picture in tiles (my workflow does that). - Small lettering can come back misspelled. - One pass is enough. A second pass over the result at the same size came back crunchy. - Don't stack it with my Consistency LoRA. Training - ai-toolkit (qwen_image_2) on the Comfy-Org INT8 convrot base. Rank 32, alpha 32, AdamW8bit, learning rate 1e-4, batch 1, 1,500 steps. - 1,209 pairs: a clean picture, and the same picture damaged the way pictures get damaged (shrunk for the web, saved and re-saved as JPEG, blur and noise, phone smoothing, old prints, video stills). The full numbers, the step 1,250 file and the notes on how it was made are on the . Qwen Image 2.1 is by Alibaba Qwen, under the Qwen Research License: non-commercial use only. Questions or bugs: the comments here or . More from me on and .
1,922 downloads · 117 likes op Civitai
SHA256
39160F2021884492E590F8295BEDB236DC26E13B7D9EE2BB824C03011F592351
Ranking badge
Updated Oct 22, 2026
Qwen Image 2.1 Restore LoRA op ModelTrends.ai: Up 90.4% this week
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #247 Hottest AI model · #7 Hottest Qwen2 model · #7 Hottest Qwen2 LoRA
Not this creator?
Populariteitstrend van Qwen Image 2.1 Restore LoRA
Heat score sinds 7 Oct 2026
Heat score
8,396°
Deze week
▲
90.4%
8,270° toen, 8,396° nu
Deze maand
n.v.t.
Nog niet uitgebracht/getrackt
Afgelopen jaar
n.v.t.
Nog niet uitgebracht/getrackt
Qwen Image 2.1 Restore LoRA: Heat score sinds 7 Oct 20267,000°7,391°7,782°8,173°8,564°8 Oct10 Oct13 Oct16 Oct19 Oct22 Oct8,396°ModelTrends.ai
7,000°
Basis
De schaal loopt van 0° tot 9.999°. Alles onder 7,000° is gereserveerd voor modellen waar nog geen bron over rapporteert, die daar een tijdelijke waarde krijgen zodat de lijsten compleet blijven. 7,000° is waar gemeten data begint: een model met echte data maar bijna geen downloads zit op de basis, en de metingen vullen de graden erboven. De basis zegt niets over het model; alleen de graden erboven doen dat, en die maken het verschil tussen modellen.
+985°
Civitai-downloads
1,922 downloads van deze exacte versie op Civitai. Downloads zijn het zwaarste ingrediënt en worden geteld op een logaritmische schaal: tien keer zoveel downloads voegt dezelfde 300° toe, dus een model met een miljoen downloads is niet duizend keer heter dan een met duizend. De zes downloadbronnen delen die ene term, verdeeld naar verhouding van hun aantallen.
+311°
Likes
117 likes en duimpjes omhoog over de bronnen heen. Een like weegt half zo zwaar als een download, op dezelfde logaritmische schaal.
+100°
Familieboost
+100° omdat dit een LoRA is van een familie die deze site nu een duwtje geeft. Het is een beperkte aanpassing binnen de score en staat hier open vermeld; het kan nooit een model verbergen of een duizendvoudig verschil in downloads overstemmen.
Toon gedetailleerde uitsplitsing
Elk getal op deze site is te controleren. De heat-score van dit model is 8,396°, en hier wordt die stap voor stap opgebouwd, met de tussentijdse totalen na elke stap: de basis, de graden die elke bron toevoegt, de bonus voor het type model en wat de leeftijd van de gewichten eraf haalt. De kleuren zijn de banden van de grafiek hierboven. De woordenlijst achteraan legt elke term uit.
  1. 1
    Begin bij de basis.
    Waarom 7,000° en niet nul: de schaal loopt van 0° tot 9.999°, en het deel onder 7,000° is gereserveerd voor modellen waar nog geen bron over rapporteert, die daar een tijdelijke waarde krijgen zodat de lijsten compleet blijven en nooit hoger staan dan een model met data. 7,000° is waar gemeten data begint. Een model met echte data maar bijna geen downloads zit hier; alles wat volgt is meting, en de ruimte boven de basis bevat tien stappen van tien keer zoveel downloads, elk 300° waard. De basis is voor elk model hetzelfde, dus die zegt niets; de graden erboven wel.
    7,000°
    lopende totaal
  2. 2
    Voeg de downloads toe.
    1,922 download-equivalenten in totaal, van Civitai-downloads. Tien keer de downloads voegt dezelfde 300° toe, dus grootte telt mee maar bepaalt niet alles.
    +985°
    7,985°
    lopende totaal
  3. 3
    Voeg de likes toe.
    117 likes en duimen omhoog, met de helft van het gewicht van een download.
    +311°
    8,296°
    lopende totaal
  4. 4
    Familieboost.
    Een open, begrensde duw voor LoRAs van een familie die deze site nu extra promoot.
    +100°
    8,396°
    lopende totaal
  5. =
    De heat-score.
    Waar dit model staat op elke lijst van deze site. Niets anders beïnvloedt dit.
    8,396°
Woordenlijst: de gebruikte termen
Heat-score
Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer
De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten
Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal
Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes
Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid
Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat
Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder
Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde
Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites
Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens
Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint)
De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding
Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten
De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd
Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost
Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score
Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode)
Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend
Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model
Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.
Hoe de populariteit van dit model zich verhoudt tot de rest van de catalogus: de groei in downloads, likes en gebruik per periode, gemeten ten opzichte van de typische groei van modellen in dezelfde periode, met de heat score op dat moment. Boven de typische groei betekent stijging, eronder daling. Het verleden wordt herbouwd vanuit de huidige totalen, de eerste dag van het model en de gemeten downloadsnelheid als er twee metingen zijn; een model dat er aan het begin van een periode nog niet was, toont n.v.t.
Voorbeeldrenders
Prompts en instellingen gedeeld door de mensen die deze renders op Civitai maakten. Kies een render om te zien hoe hij is gemaakt.
Bij deze render is geen prompt gedeeld.
Bij deze render is geen prompt gedeeld.
Bij deze render is geen prompt gedeeld.
Bij deze render is geen prompt gedeeld.
Bij deze render is geen prompt gedeeld.
Bij deze render is geen prompt gedeeld.
Bij deze render is geen prompt gedeeld.
Bij deze render is geen prompt gedeeld.
Lokaal uitvoeren
Qwen Image 2.1 Restore (AusBoss).json
0 MB · Other
qwen-image-2.1-restore.safetensors
152 MB · SafeTensor · bf16
Downloaden
Downloads worden geleverd door Civitai. Sommige makers vragen eerst om in te loggen op Civitai.