LongCat‑Image Edit クイックスタート¶

これは LongCat‑Image の edit/img2img 版です。まず LONGCAT_IMAGE.md を読んでください。本ファイルは edit フレーバーで変更される点のみをまとめています。

1) ベース LongCat‑Image との違い¶

2) 設定変更（CLI/WebUI）¶

{
  "model_type": "lora",
  "model_family": "longcat_image",
  "model_flavour": "edit",
  "base_model_precision": "int8-quanto",      // fp8-torchao also fine; helps fit 16–24 GB
  "train_batch_size": 1,
  "gradient_checkpointing": true,
  "learning_rate": 5e-5,
  "validation_guidance": 4.5,
  "validation_num_inference_steps": 40,
  "validation_resolution": "768x768"
}

aspect_bucket_alignment は 64 のままにしてください。条件付き latent を無効にしないでください。edit パイプラインはこれを前提とします。

迅速な設定作成:

cp config/config.json.example config/config.json

3) データローダー: edit + 参照のペア¶

2 つの整合したデータセットを使用します: edit 画像（キャプション = 編集指示）と 参照画像。edit データセットの conditioning_data は参照データセット ID を指す必要があります。ファイル名は 1 対 1 で一致させてください。

[
  {
    "id": "edit-images",
    "type": "local",
    "instance_data_dir": "/data/edits",
    "caption_strategy": "textfile",
    "resolution": 768,
    "cache_dir_vae": "/cache/vae/longcat/edit",
    "conditioning_data": ["ref-images"]
  },
  {
    "id": "ref-images",
    "type": "local",
    "instance_data_dir": "/data/refs",
    "caption_strategy": null,
    "resolution": 768,
    "cache_dir_vae": "/cache/vae/longcat/ref"
  }
]

caption_strategy のオプションと要件については DATALOADER.md を参照してください。

注意点: - アスペクトバケットは 64px グリッドを維持。 - 参照キャプションは任意です。存在すると edit キャプションを置き換えるため（通常は望ましくない）、基本は空にします。 - edit と参照で VAE キャッシュのパスは分けてください。 - キャッシュミスや形状エラーが出た場合は、両方の VAE キャッシュを削除して再生成してください。

4) 検証の注意点¶

• 検証では参照画像が必要です。edit-images の検証スプリットを conditioning_data で ref-images に紐づけます。
• ガイダンス: 4〜6 が良好。ネガティブプロンプトは空のままでOK。
• プレビューコールバック対応。latent は自動で unpack されます。
• 条件付き latent が見つからず検証に失敗する場合は、検証データローダーに edit/参照の両方があり、ファイル名が一致していることを確認してください。

5) 推論 / 検証コマンド¶

クイック CLI 検証:

simpletuner validate \
  --model_family longcat_image \
  --model_flavour edit \
  --validation_resolution 768x768 \
  --validation_guidance 4.5 \
  --validation_num_inference_steps 40

WebUI: Edit パイプラインを選択し、元画像と編集指示の両方を入力します。

6) トレーニング開始（CLI）¶

設定とデータローダーの準備後:

simpletuner train --config config/config.json

7) トラブルシューティング¶

• 条件付き latent がない: conditioning_data で参照データセットを紐づけ、ファイル名が一致していることを確認してください。
• MPS dtype エラー: パイプラインが MPS で pos‑ids を float32 に自動ダウンキャストします。残りは float32/bf16 のままでOK。
• プレビューのチャネル不一致: デコード前に latent を un‑patchify（この SimpleTuner バージョンを維持）。