PS天塌了！阿里开源全新图像模型Qwen-Image-Layered 可实现PS级图层

本站12月22日消息,阿里开源全新图像生成模型Qwen-Image-Layered,首次在模型内实现PS级的图层理解与图像生成｡

千问新模型采用自研创新架构,可将图片“拆解”成多个图层,就像个专业设计师用Photoshop分层作图修图,可实现几乎“零漂移”的AI图像精准编辑,彻底解决AI生图的一致性难题,加速大模型在专业设计领域的现实落地｡

Qwen-Image-Layered打破了主流视觉大模型的“扁平式思维”,模型通过“分层”和“补全”建立起对现实世界更准确的“物理式理解”,让AI从平面的“看图说话”迈向真实的“空间重构”｡

在当前的视觉大模型领域,图像一致性编辑始终是一个核心挑战｡AI生图有创意但难编辑,主要是因为大模型对图片的理解是扁平的,是一堆像素点紧密耦合在一起,而不能像人一样感知出图中物体的远近､遮挡等物理关系｡

因此,让大模型生图和编辑就像抽卡“开盲盒”:比如你想把画里的猫往左挪10厘米,但AI完全不知道猫左挪后空出来的背景会有什么,只能再重新生成一次,猫和背景全都变了样｡

这种“牵一发而动全身”的随机性,让AI绘图在追求极致精准的商业广告设计､UI界面设计､影视后期处理等专业领域,始终只能作为一种参考,而无法真正取代专业工具｡

Qwen-Image-Layered 的出现,意味着视觉大模型从“像素预测”转向“结构重组”｡千问团队自研了一种全新的RGBA-VAE编码,在传统的RGB图像中引入代表透明度图层的“Alpha通道”,让模型有了图层的概念｡

同时新模型采用了创新的VLD-MMDiT架构,配合独特的“图层级3D位置编码”,让AI自动“脑补”被遮挡部分的背景纹理,实现对图层和空间的更深入理解和生成｡

据了解,为训练这种能力,千问团队从海量的专业Photoshop(PSD)文件中提取真实图层逻辑,让AI从出生起就拥有专业设计师的“分层思维”｡

Qwen-Image-Layered模型架构图

业内人士指出,千问新模型将为创意产业带来实质性变革｡AI生图不再是死板一块,而成为一个活生生的､可无限调整的素材库｡

图片编辑也不再需要复杂精细的人工抠图,而是AI原生地实现了“内在可编辑性”,设计师､动画和影视制作人员可在保持背景或主体完全不变的前提下,对特定图层的构件进行位移､缩放或重绘,显著提升数字内容创作的生产效率｡

据了解,Qwen-Image-Layered已在魔搭社区和HuggingFace开源,开发者和企业可免费下载商用｡

截至目前,阿里已开源近400个千问模型,全球下载量突破7亿次,衍生模型数超18万个,是全球第一的开源模型｡通义大模型已服务超100万家客户,在中国企业级大模型调用市场中通义位居第一,是中国企业选择最多的大模型｡