स्टाइल ट्रांसफर वाया विज़न मॉडल विवरण

एक विज़न मॉडल (जैसे, Qwen3-VL-2B) का उपयोग करके एक संदर्भ छवि को पढ़ें और उसकी शैली का एक टेक्स्ट विवरण आउटपुट करें (जैसे, '2D कार्टून चित्रण, बोल्ड आउटलाइन, फ्लैट रंग क्षेत्र, गर्म मिट्टी के रंग, पेंटरली ब्रशस्ट्रोक')। फिर उस टेक्स्ट विवरण के साथ एक छवि निर्माण/संपादन मॉडल (जैसे, Qwen-Image-Edit 2509) का उपयोग करके एक नया दृश्य प्रस्तुत करें या किसी मौजूदा छवि को फिर से पेंट करें, बिना वस्तुओं या लोगों को स्थानांतरित किए शैली को संरक्षित करें। यह ComfyUI जैसे टूल के साथ स्थानीय रूप से काम करता है, जिसमें 8 चरणों के साथ एक Lightning LoRA का उपयोग किया जाता है (4090 पर लगभग 35 सेकंड)।