‏🎨 معرفی مدل جدید Qwen-Image-2.1 برای تولید تصویر

‏تیم Qwen به تازگی مدل Qwen-Image-2.1 را با معماری ۷ میلیارد پارامتری منتشر کرده است. این مدل با هدف ترکیب قابلیت‌های تولید و ویرایش تصویر در یک پایپلاین واحد طراحی شده و با وجود ابعاد بهینه، عملکرد تحسین‌برانگیزی را در بنچمارک‌ها به نمایش گذاشته است.

‏مهم‌ترین ویژگی‌های این مدل عبارتند از:
‏• پشتیبانی از چندین رفرنس همزمان تا ۱۰ تصویر
‏• قابلیت ویرایش دقیق با حفظ هویت سوژه، چهره یا محصول
‏• تولید بومی تصاویر RGBA با قابلیت شفافیت
‏• بهبود چشمگیر در رندرینگ متن و تایپوگرافی
‏• بهینه‌سازی سرعت استنتاج برای سناریوهای چندتصویری

‏این مدل با امتیاز ۶۰.۲۸ در بنچمارک‌ها، گزینه‌ای قدرتمند برای استفاده در پروژه‌های اینفوگرافیک، طراحی پانوراما و سیستم‌های پرو مجازی (Virtual Try-on) محسوب می‌شود. اگرچه در رقابت با مدل‌های بزرگتری نظیر GPT Image 2.5 هنوز در رتبه‌های پایین‌تر قرار دارد، اما بهره‌وری آن در مدل‌های ۷ میلیاردی قابل توجه است.

معرفی Qwen-Image-2.1؛ مدل هوشمند ۷ میلیاردی برای تولید و ویرایش تصویر

📊 Data➕Science