XL-HQVAE-fp16

将 KBlueLeaf 的 EQ-SDXL-VAE 与 madebyollin 的 SDXL-Fix-VAE 进行了合并。

合并采用 ABBA-LoRA 方法（SVD 方式）和 Tall-Mask-merge 方法，
通过特征提取 + 仅更新特征的方式，选择性地合成 EQ-VAE 的特征。
由此在 Latent cache 和图像输出中更容易获得细节，实现进化。
与传统 VAE 替换相比，虽然亮度和饱和度看似提升，
但这源于抑制了细节处的黑场丢失，提升了灰度层次表现。
（通过生成 Latent cache 并用于训练，应能更易学习细节）

※ 若出现 NaN 等问题，请改用 fp32 或停止使用。

※ 已确认可重新生成 Latent 并用于训练完成。
※ 使用 EmoLynx 时，fp8 + 2048px + ZtSNR(e-pred) 也可正常工作。
※ 学习模型在 fp8 与 fp16 下的误差约为 1e-4（与 fp16-32 的误差相当）。

KBlueLeaf：EQ-SDXL-VAE
https://huggingface.co/KBlueLeaf/EQ-SDXL-VAE

madebyollin：SDXL-VAE-FP16-Fix
https://huggingface.co/madebyollin/sdxl-vae-fp16-fix

ABBA-LoRA
https://arxiv.org/abs/2505.14238

Tall-Mask-Merge
https://arxiv.org/abs/2405.07813

输出图像的视觉效果变化不大，
但用于训练时，预计可进一步提升效果。